我有一个问题：快速线性系统求解（我有很多这样的系统）。我将使用 GPU 和 OpenCL 解决它。
我喜欢动态语言，例如 Ruby 或 Python，并且我已经摆脱了使用 C 等低级语言的习惯。
所以我有两个同时的目标：
对我来说最好的情况是：几乎在 OpenCL C 中编译 python 代码几乎没有浪费。
我找到了这样的解决方案：pure OpenCL C、PyOpenCL、Clyther。
我应该从什么开始？
我的观点是，试图将动态语言硬塞进 OpenCL 是不值得的。你会失去大部分你喜欢 Python 的东西，而且最终可能不会为你的努力节省太多时间。
但我只是说用 Python 编写 OpenCL 内核。还有主机应用程序，它准备和提交内核。如果你喜欢 Python，我建议用 PyOpenCL 之类的包装器用纯 Python 编写主机应用程序来访问 OpenCL API。然后，在纯 OpenCL 中编写您的内核，并让您的 Python 应用按原样提交它们。我相信这将从 Python 中获得您想要的大部分内容，同时几乎不花费任何性能成本。
使用 OpenCL 编程最困难的部分是并行化您的算法——这意味着编写您的内核。很有可能，您将花费大部分时间来调整和理解您的 OpenCL C 代码，AFAIK 是您编写内核的唯一选择。
既然如此，我说去纯 C/OpenCL 实现。一旦您启动并运行了“样板”OpenCL API 部分，您就不必对其进行太多更改。如果有的话，您将使用诸如传递给的工作组大小之类的东西clEnqueueNDRangeKernel。
如果您是 CL 的新手，我建议您保持简单。为问题添加另一个软件层——尤其是定义为线性求解器的问题——只会使您的工作复杂化。
编辑：
我应该补充一点，当您使用标准 OpenCL API 时，您可以扩大在线帮助/支持的潜力。如果您选择使用其中一种 python 绑定，您可能会限制您对来自这些社区的人们的潜在支持。