我正在寻找利用GPU来处理一些方程式，但无法弄清楚我如何从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，但是如果没有这些框架，我将如何访问它？
我没有用C＃做过，但基本上你使用的是CUDA（假设你当时正在使用nVidia卡）SDK和CUDA工具包将它拉下来。
nVidia已经移植（或编写？）BLAS实现，以便在支持CUDA的设备上使用。他们提供了很多关于如何进行数字运算的例子，尽管你必须弄清楚如何从C＃中取出它。我敢打赌，你将不得不在非托管C或C ++中编写一些内容并与之链接。
如果您没有使用C＃，请查看Theano。这可能对你的需求有点过分，因为他们正在构建一个框架，用于从Python上对GPU进行机器学习，但是......它的工作原理非常好。
如果你的GPU是NVidia，你可以使用CUDA。
这里有一个例子，它解释了所有的链，包括一些C / C ++代码：CUDA integration with C#
这里有一个名为CUDA.NET的库：CUDA.NET
如果您的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有它，通过OpenCL支持。
最后，有一个名为“Accelerator”的Microsoft Research项目，它有一个托管包装器，可以在任何硬件上运行（前提是它支持DirectX 9）。
Brahma（LINQ to GPU）怎么样？
一定要爱LINQ！
我担心，除了为DirectX / XNA编写着色器以及使用CUDA（特定于NVidia）时，我对使用GPU的理解相当理论化。但是，我听说过很多关于OpenCL（开放计算语言）的内容，它允许您运行OpenCL将智能地推送到您的图形卡的算法，或者如果您没有兼容的GPU则运行在CPU上。
您在GPU上运行的代码必须专门编写在OpenCL的C99子集中（如果您不知道如何从C＃中使用它，那么这不符合您的要求），但除了您的数字运算算法之外，您还可以编写您在C＃中的其余应用程序，并使用The Open Toolkit完美地协同工作;
如果你不想搞乱P / Invoke的东西和非托管代码，有两种选择：
第二种选择是我建议，但如果你只坚持使用nVidia GPU没问题 - 第一种可能会更快。
我通过利用NVIDIA的CUDA库和.NET的P / invoke在C＃中完成了它。这需要一些仔细的内存管理和对CUDA库的详细了解。此技术可以与您希望在C中创建的任何自定义GPU / CUDA内核结合使用，因此它是一种非常强大的灵活方法。
如果您想省下很多精力，可以从CenterSpace软件（我工作的人）购买NMath Premium，并且您可以在几分钟内在C＃上运行NVIDIA GPU上的大问题。 NMath Premium一个大型的C＃/。NET数学库，它可以在GPU上运行大量的LAPACK和FFT，但是如果硬件不可用或者问题大小不能证明往返GPU的话，则可以回退到CPU。