Python GPU编程
我目前正在python项目中工作，我想利用GPU进行一些计算。
乍一看，似乎有很多工具可用; 乍一看，我觉得我想失去一些东西。
Copperhead看起来很棒，但还没有发布。 这似乎只限于编写低级CUDA或openCL内核; 没有推力，没有cudpp。 如果编号喜欢有东西sorting，即时将不得不自己做。
这对我来说似乎不太合适。 我确实错过了什么？ 或者，这个GPU脚本不太适合炒作吗？
编辑：GPULIB似乎可能是我所需要的。 文档是最基本的，python绑定只是在传递，但现在正在申请下载链接。 任何人都有这方面的经验，或链接到类似的免费学术使用的GPU库？ 重新编辑：好吧，python绑定事实上是不存在的。
Edit2：所以我想我最好的select是用C / CUDA编写一些东西，并从python中调用它。
PyCUDA提供了非常好的与CUDA的集成，并且有几个帮助器接口可以使得编写CUDA代码比直接的C api更容易。 这里有一个维基百科的例子，它不需要任何C代码就可以进行2D FFT。
我将在这里发布一些我在reddit上阅读的信息。 对于那些没有清楚地了解不同软件包的作用以及如何将cuda与Python连接起来的人来说，
来自： Reddit
在这个主题中，有很多困惑，关于各种项目的目标是什么，以及他们做得如何。 没有“用于NumPy的GPU后端”（对于SciPy的任何function来说都less得多）。 有几种方法可以在Python中编写CUDA代码，以及一些支持NumPy的ndarray方法（但不是NumPy的其余部分，比如linalg，fft等）子类的类GPU对象。
-
PyCUDA和PyOpenCL最接近。 他们消除了围绕启动GPU内核的许多pipe道（简化arrays创build和内存传输，不需要手动释放等）。 但是，大多数情况下，您仍然坚持手动编写CUDA内核，它们恰好在您的Python文件中作为三重引号string。 PyCUDA的GPUarray确实包含了一些有限的类似NumPy的function，所以如果你正在做一些非常简单的事情，你可能会离开，而无需自己编写任何内核。
-
NumbaPro包含一个“cuda.jit”装饰器，它允许您使用Python语法编写CUDA内核。 这实际上并不是PyCUDA的一大进步（引用内核源代码），现在只是你的代码看起来更像Pythonic。 但是，它肯定不会自动运行GPU上现有的NumPy代码。
-
Theano让你构build符号expression式树，然后编译它们在GPU上运行。 这不是NumPy，只有NumPy的一小部分function的等价物。
-
gnumpy是CudaMat周围的一个简单的文件包装。 唯一支持的元素types是float32，只有NumPy的一小部分被实现。
我知道这个线程是旧的，但我想我可以带来一些相关的信息，回答所问的问题。
Continuum Analytics拥有一个包含库的软件包，可为您解决CUDA计算问题。 基本上，你需要使用装饰器来处理需要并行化（在一个函数中）的代码，并且需要导入一个库。 因此，您不需要任何关于CUDA指令的知识。
信息可以在NVIDIA网页上find
https://developer.nvidia.com/anaconda-accelerate
或者你可以直接进入Continuum Analytics页面
https://store.continuum.io/cshop/anaconda/
有30天的试用期和学者的免费执照。
我广泛使用它，并加速我的代码10到50次之间。
Theano看起来可能是你要找的东西。 据我所知，这是非常有能力做一些沉重的math与GPU的提升，似乎积极维护。
祝你好运！
我可以推荐scikits.cuda 。 但为此，您需要下载CULA完整版（免费为学生）。 另一个是CUV 。 如果你正在寻找更好的东西，并准备为此付出代价，你也可以看看arrays火灾。现在我正在使用scikits，相当满意。
查看此页面，了解与Anaconda分发的开源库https://www.anaconda.com/blog/developer-blog/open-sourcing-anaconda-accelerate/
“今天，我们发布了两个新的Numba子项目，名为pyculib和pyculib_sorting，其中包含NVIDIA GPU库Python包装和加速sortingfunction。这些包装与NumPyarrays和Numba GPU设备arrays配合使用，以提供加速function：cuBLAS：线性代数cuFFT：快速傅里叶变换cuSparse：稀疏matrix运算cuRand：随机数生成（仅宿主函数）sorting：从CUB和ModernGPU移植的快速sortingalgorithm前进，Numba项目将取代pyculib和pyculib_sorting的pipe理，释放当新的Numba发布时，需要更新这些项目，这些项目是BSD许可的，就像Numba“
