cudaEventElapsedTime и время выполнения nvprof

Рассмотрим следующее ядро

__global__ void elementAccess( int *a, int N )
{
  int i = blockDim.x * blockIdx.x + threadIdx.x;
  int z = a[ i ];
}

Который называется

cudaEvent_t start, stop;
float elapsedTime;
cudaEventCreate(&start);
cudaEventRecord(start,0);

elementAccess<<< 1, 1>>>( d_A, 1 );

cudaEventCreate(&stop);
cudaEventRecord(stop,0);
cudaEventSynchronize(stop);
cudaEventElapsedTime(&elapsedTime, start,stop);

printf("Elapsed time : %f ms\n" ,elapsedTime);

Где d_A — массив целых чисел.

Когда я запускаю код в терминале, я вижу

Elapsed time : 0.015328 ms

Когда я профилирую его с помощью nvprof --metrics SOME_METRICS -o e.nvvp ./element_access, я вижу, что продолжительность ядра составляет 2.95 us.

Итак, почему события часов говорят, что время выполнения ядра составляет 15 мкс, а nvvp говорит, что это 2,95 мкс?

Это две разные вещи? Или чего-то еще не хватает?