如何使用GPU进行math
我正在寻找利用GPU来处理一些方程式，但不知道如何从C＃中访问它。 我知道XNA和DirectX框架允许您使用着色器来访问GPU，但是如何在没有这些框架的情况下访问它？
我没有从C＃做到这一点，但基本上你使用CUDA（假设你在这里使用的是nVidia卡）SDK和CUDA工具包。
nVidia已经移植（或书写了）一个BLAS实现，以便在支持CUDA的设备上使用。 他们已经提供了大量的例子来说明如何进行数字运算，尽pipe你必须弄清楚你将如何从C＃中解脱出来。 我敢打赌，你将不得不写一些未经pipe理的C或C ++的东西，并与它链接。
如果您不想使用C＃，请查看Theano 。 这可能是有点矫枉过正，因为他们正在构build一个框架，从Python进行机器学习的GPU，但是…它的工作，并且工作得很好。
如果您的GPU是NVidia，则可以使用CUDA 。
这里有一个例子，解释所有的链，包括一些C / C ++代码： CUDA与C＃
在这里有一个名为CUDA.NET的库： CUDA.NET
如果你的GPU是ATI，那么就有ATI Stream 。 .NET支持对我来说不太清楚。 也许Open Toolkit Library通过OpenCL支持。
最后，还有一个名为“ 加速器 ”的微软研究项目，它有一个托pipe包装器，可以在任何硬件上工作（只要它支持DirectX 9）。
Brahma （LINQ到GPU）如何？
得爱LINQ！
有两种select，如果你不想搞乱P / Invoke的东西和非托pipe的代码：
- 使用提到的CUDA.NET库。 它工作得很好，但它的目标是CUDA，所以只有nVidia卡。 如果你想解决更复杂的问题，你必须学习CUDA，编写你自己的内核（用C语言编写），用nvcc进行编译，并通过这个库从C＃执行。
- 使用Microsoft Research Accelerator 。 这是由MS Research构build的一个很好的库，可以在任何拥有大量内核（多核nVidia / ATI GPU和多核处理器）上运行代码。 它完全独立于平台。 使用它，我对结果印象深刻。 在C＃中使用加速器也有一个很好的教程 。
第二个select是我推荐，但是如果你坚持使用nVidia GPU没有问题 – 第一个可能会更快。
我已经在C＃中使用了NVIDIA的CUDA库和.NET的P / invoke。 这需要一些谨慎的内存pipe理和对CUDA库的详细了解。 这个技术可以和你想在C中创build的任何定制的GPU / CUDA内核一起使用，所以这是一个非常强大的灵活的方法。
如果您想省下不less努力，您可以从CenterSpace软件（我工作的人）购买NMath Premium ，并且可以在几分钟内在C＃上运行NVIDIA GPU上的大问题。 NMath Premium是一个大型的C＃/。NETmath库，可以在GPU上运行大部分的LAPACK和FFT，但是如果硬件不可用或者问题大小不合理，GPU就会退回到CPU。
我担心，除了为DirectX / XNA编写着色器和使用CUDA（NVidia特定版本）之外，我对使用GPU的知识还有相当的理论。 不过，我听说OpenCL（开放计算语言）的相当多，它允许你运行algorithm，OpenCL将智能地推送到你的graphics卡，或者如果你没有兼容的GPU运行在CPU上。
您在GPU上运行的代码必须专门写在OpenCL的C99子集中（如果您不能满足您的要求，请致歉），但是除了您的数字运算algorithm外，您还可以编写在C＃中的其余应用程序，并通过使用开放工具包很好地协同工作;
