我正在研究this，我有一些遗憾，我将不得不为GPU内存做一些基于区域的内存分配方案，因为.NET不允许对其进行足够的控制。 GC。
我太天真了。我承认它确实让我想到了，因为我在GC平台上，我（并且应该）不必进行手动内存管理，也不需要知道C malloc如何工作以及如何实现。我想做得比这更好。
Racket在这个领域的设施是什么？
答案 0 :(得分：2)
没有。 GPU处理器与CPU不同，实际上并不运行任何GC语言实现，而是运行一些非常低级的代码（例如使用OpenCL或CUDA或OpenACC或{ {3}}）。它们实际上没有一些通用SPIR，甚至可能没有任何dynamic memory allocation或virtual memory。他们的记忆通常是分开的。
你可以做的是使用一些现有库，其中有一些MMU（如GPU compute kernels，TensorFlow等...）并从中调用该库基于Racket的东西使用一些外部功能界面。
你可以用做很多工作（可能好几年），在OpenCL或CUDA（或OpenCV）中生成一些内核代码 - 与其他一些生成的代码管理混合内核代码 - 即从Spiral语言的一个小子集（很难定义）到OpenCL或CUDA内核中实现编译器。在这种情况下，邪恶存在于细节中（并且您将生成的内核代码将取决于特定的GPU 模型）。您可以查看SPIR的灵感。
我也不需要知道C malloc是如何工作的，也不知道它是如何实现的。
比这更糟糕。你需要关注 lot 的低级细节，你需要编写特定于你的操作系统和硬件的东西，并且理解C malloc比处理所有GPU细节更容易（也就是说，生成“正确”的GPU和粘合代码：深入了解OpenCL的规范以获取更多信息。
（我相信将Spiral编译成GPU内核代码以及在CPU中运行必要的胶水代码是不值得的 - 几年 -
您还应该阅读有关垃圾收集的更多信息，例如： SPOC。
我太天真了。
你可能还是。如果您想要有效且有竞争力的实施，您的主题比您的想法更难。编写一个简单的GC（或VM）很容易，但编写一个有效的GC很难（需要几年的工作）。
我想做得比这更好。
你需要几年的全职工作。