pyCUDA与C的性能差异？

如果您正在使用CUDA --无论是直接通过C还是使用pyCUDA --您所做的所有繁重的数值工作都是在gpu上执行的内核中完成的，并且是用CUDA C编写的(直接由您完成，或者间接地用元素内核编写)。因此，在代码的这些部分中，性能应该没有真正的差别。

现在，如果使用pyCUDA，数组的初始化和任何工作后的分析都将在python中完成(可能使用numpy)，这通常比在编译语言中直接完成要慢得多(尽管如果您已经构建了numpy/scipy，使其直接链接到高性能库，那么这些调用至少在两种语言中都会执行相同的操作)。但是，希望您的初始化和终结只占您必须完成的工作量的一小部分，因此即使存在大量的开销，也希望它不会对整个运行时产生巨大影响。

事实上，如果计算中的python部分确实损害了应用程序的性能，那么使用pyCUDA开始您的开发可能仍然是一个很好的开始方式，因为开发要容易得多，而且您可以在纯C中重新实现那些在python中太慢的代码部分，并从Python调用这些部分，从而获得这两个世界中的一些优点。