图形处理单元（GPGPU）上的通用计算是一种非常有吸引力的概念，可以利用GPU的强大功能进行任何类型的计算。
我喜欢使用GPGPU进行图像处理，粒子和快速几何操作。
目前，这个领域的两个竞争者似乎是CUDA和OpenCL。我想知道：
感谢任何现实世界的经验/例子/战争故事。
答案 0 :(得分：58)
AFAIK，JavaCL / OpenCL4Java是目前所有平台上唯一可用的OpenCL绑定（包括MacOS X，FreeBSD，Linux，Windows，Solaris，全部采用Intel 32,64位和ppc变体，这要归功于它使用JNA）。
它至少在Mac和Windows上实现了从Java Web Start运行良好的演示（为了避免Linux上的随机崩溃，请参阅this wiki page，例如Particles Demo。
它还附带了一些实用程序（GPGPU随机数生成，基本并行缩减，线性代数）和Scala DSL。
最后，它是最古老的绑定（自2009年6月起）和it has an active user community。
（免责声明：我是JavaCL的作者： - ））
答案 1 :(得分：33)
您也可以考虑Aparapi。它允许您使用Java编写代码，并尝试在运行时将字节码转换为OpenCL。
完全披露。我是Aparapi开发人员。
答案 2 :(得分：11)
好的CUDA是对C的修改，要编写CUDA内核，你必须用C编写代码，然后使用nvidia的CUDA编译器编译成可执行的形式。然后可以使用JNI将生成的本机代码与Java链接。从技术上讲，你无法从Java编写内核代码。有JCUDA http://www.jcuda.de/jcuda/JCuda.html，它为你提供cuda的一般内存/设备管理api和一些用CUDA和JNI包装的Java方法（FFT，一些线性代数方法等等）。
另一方面，OpenCL只是一个API。 OpenCL内核是传递给API的普通字符串，因此使用Java中的OpenCL，您应该能够指定自己的内核。可以在http://www.jocl.org/找到适用于java的OpenCL绑定。
答案 3 :(得分：11)
我一直在使用JOCL，我很满意。
OpenCL优于CUDA（至少对我来说）的主要缺点是缺乏可用的库（Thrust，CUDPP等）。但是，CUDA可以很容易地移植到OpenCL，并且通过查看这些库的工作原理（算法，策略等）实际上非常好，因为你学到了很多东西。
答案 4 :(得分：7)
我知道现在已经很晚了，但请看一下：https://github.com/pcpratts/rootbeer1
我没有使用它，但似乎比其他解决方案更容易使用。
从项目页面：
Rootbeer比CUDA或OpenCL Java语言绑定更先进。使用绑定，开发人员必须将对象的复杂图形序列化为基本类型的数组。使用Rootbeer，这是自动完成的。此外，对于语言绑定，开发人员必须在CUDA或OpenCL中编写GPU内核。使用Rootbeer完成Java字节码的静态分析（使用Soot），并自动生成CUDA代码。
答案 5 :(得分：2)
我还可以推荐JOCL by jogamp.org，适用于Linux，Mac和Windows。例如，CONRAD将大量OpenCL与JOCL结合使用。
答案 6 :(得分：1)
如果要进行某些图像处理或几何运算，则可能需要具有gpu支持的线性代数库（例如CUDA）。我建议您使用ND4J巫婆，它是基于CUDA GPU支持的线性代数，DeepLearning4J建立在该代数上。这样一来，您不必直接处理CUDA，而不必使用c中的低级代码。另外，如果您想使用DL4J对图像进行更多处理，则可以访问特定的图像处理操作，例如卷积。
答案 7 :(得分：0)
您可以查看CUDA4J API