PyCUDA和NumbaPro-CUDA-Python之间有什么区别？

我是CUDA的新手，我正在努力弄清楚是否（不免费）对我更有利（假设图书馆费用不是问题）

两者似乎都要求您使用各自的Python方言。但是，PyCUDA似乎要求您在

C

代码中编写内核函数，这比使用NumbaPro要麻烦得多，因为NumbaPro似乎为您完成了所有繁重的工作

真的是这样吗？会有显著的性能差异吗？

现在是免费的BSD许可证

---

根据报告，pyOpenCL和pyCUDA的速度是numba的5倍

PyCUDA:

是一个用于CUDA的Python编程环境，它使您可以从Python访问Nvidia的CUDA并行计算API。在C++ C++（C++底层）和Python中编写，C++代码将在英伟达芯片上执行，Python代码编译、执行并获得C++代码的结果，并自动管理资源，使之成为强大的库CUDA。 PyCUDA与PyOpenCl略有不同，PyOpenCl可用于在多种平台上运行代码，包括Intel、AMD、NVIDIA和ATI芯片。与只能在NVIDIA芯片上运行的PyCUDA不同：

Python+CUDA=PyCUDA

Python+OpenCL=PyOpenCL

NUMBA/NumbaPro:

：NumbaPro或最近的Numba（NumbaPro已被弃用，其代码生成功能已转移到开源的Numba）是由Anaconda，Inc.赞助的Python开源NumPy优化编译器。它使用卓越的LLVM编译器基础设施将Python语法编译为机器代码。支持编译Python以在CPU或GPU硬件上运行，基本上是用Python编写的。它易于安装和实现

---

正如@Wang提到的，Pycuda比Numba快。

numbapro现在是BSD许可证上的Numba，也是免费的。Numba是Nvidia合作的项目。Numba不直接提供cuBLAS访问，这是通过

加速.cuda.blas

启用的。