怎樣用顯卡進行程序計算？

gpu跑的是對應的gpu指令，并不是什么語言，cpu也一樣。

所有語言一樣是要被編譯成對應平臺的機器指令。或者用解析器執行時轉換成機器指令。python做深度學習，要做gpu加速，底層還是要通過編譯器轉換成gpu指令。所用的工具一般是CUDA,Opencl,DirectCompute.

使用CUDA就是把C/C++代碼編譯成GPU的指令。再配合其他API調用代碼，只能用在Nvidia的GPU。

OpenCL跟DirectCompute是不分顯卡的。只要顯卡硬件支持通用計算，實現了該驅動。CL的kernel是一種類C的語言。最終會被編譯成GPU指令。至于C++ Java也可以做的，也只是調用編譯好的Kernel。往里面拷貝數據，穿參數。讓GPU計算完后，CPU再取回數據。

GPU計算一般是面向大型的統一的數據，所謂統一就是數據類型都是一樣的。就是固定類型，大小的數組。因為是SIMD/SIMT，適合做簡單的計算。對每個數據單元的處理是一樣的，不適合有復雜條件跳轉的邏輯。所以GPU加速使用場景比較有限。

另外的SIMD指令加速，對于小型的數據，可以優先考慮。因為GPU加速，可能需要內存拷貝，使用開銷相對較大。用SIMD的話，直接就是用CPU的特殊指令MMX SSE AVX加速。Java應該會有對應的包，C++用Intrinsic頭文件。