GPU 计算程序员，
我有一个 C++ 程序，它目前依赖 ACML (LAPACK) 来反转和多个相当大的单精度 fp 值矩阵（例如 4,000 x 4,000）。这些矩阵非常稀疏，尽管它们并不总是很好地适合对角矩阵，所以我目前无法减少它们。关于这个程序的另一件事是，作为 Newton Rapson 的一部分，我必须多次（连续地）反转和乘法。但是，我有几千个可以并行完成的排列，每个排列都对矩阵进行微小的更改，然后再次计算和反转雅可比行列式。这都是单精度 fp，似乎非常适合 GPU。我的问题是这个...
我怀疑我需要将 AMD Accelerated Parallel Processing Math Libraries (APPML) 用于 OpenGL，因为这是我知道的唯一可用于 BLAS 功能的东西（非 CUDA，我想与 GPU 无关）。我的问题是我没有看到 APPML 中包含的 LAPACK dgetrf 和 dgetri 函数（是的，这些是 fp64，但我不需要那种精度）。C++ AMP 会是更好的选择吗？我对传递指针而不是复制数据的 HSA 功能非常感兴趣，因为这里有很多数据在传输，并且一些计算仍然在 CPU 上完成。我相信复制开销会杀了我。归根结底，性能是关键，我想做出正确的架构决策，为自己在未来 6 个月内从 HSA GPU 中获得的最高性能做好准备。
我正在使用 VS 2013 Ultimate 预览版，并且能够利用 C++ AMP 来实现这些 HSA 功能。我只是想确保在我的程序处于起步阶段时，我现在正在做出正确的长期架构决策。这是我在 Anandtech 上找到的一些有趣数据的链接和片段：
C++ AMP 是微软的用于 GPU 计算的 C++ 扩展，也随着即将到来的 VS2013 进行了更新。我认为最大的功能更新是 C++ AMP 程序还将在 APU/SoC 上获得共享内存功能，其中编译器和运行时将能够消除 CPU 和 GPU 之间的额外数据复制。此功能也将仅在 Windows 8.1 上可用，并且它可能构建在“地图默认缓冲区”之上，因为 Microsoft 的 AMP 实现在后台使用 Direct3D。C++ AMP 还带来了一些其他不错的附加功能，包括增强的纹理支持和更好的调试能力。
任何想法、其他问题或讨论将不胜感激！