1. 因为在 GPU 之前，使用单实数没有实际意义；你永远不会有太多的准确性，记忆通常不是问题。并且仅支持双打使 R 设计更简单。（尽管 R 支持读/写单个实数。）
2. 是的，因为 Python 旨在与编译语言更加兼容。然而，您是对的，R 库的包装器可以进行动态转换（这当然需要时间，但这是一个小问题）；您可以尝试向 GPU 包的维护者发送电子邮件请求此类更改。

从GPUtools 帮助文件中，这似乎useSingle=TRUE是函数的默认值。

我认为通过 GPU 编程，您的意思是对 nvidia 卡进行编程？在这种情况下，来自 R 和 python 的底层代码调用是对 C/ CUDA的。

仅提供单精度的简单原因是因为大多数 GPU 卡都支持单精度。

但是，新的 nvidia Fermi架构确实支持双精度。如果你今年买了个英伟达显卡，那它很可能是费米。即使在这里，事情也不简单：

• 如果您以双精度编译（如果我没记错的话是两倍），您会受到轻微的性能影响。
• 在更便宜的卡费米卡上，nvidia 故意禁用双精度。但是，可以绕过这个并运行双精度程序。我设法在 linux 下的 GeForce GTX 465 上做到了这一点。

要回答标题中的问题“单精度可以吗？”，这取决于您的应用程序（抱歉，废话回答！）。我想现在每个人都使用双精度，因为它不再影响性能。

当我涉足 GPU 时，编程突然变得复杂得多。您必须担心以下事情：

• warpsize 和正确安排你的记忆。
• #每个内核的线程数。
• 调试很糟糕——GPU 内核语句中没有打印语句
• 缺少随机数生成器
• 单精度。

流通中的绝大多数 GPU 仅支持单精度浮点。

至于标题问题，您需要查看您将要处理的数据，以确定单精度是否足以满足您的需求。通常，您会发现，对于您处理的 >90% 的数据，单项数据完全可以接受，但对于最后 10% 的数据，您将完全失败；除非您有一种简单的方法来确定您的特定数据集是否会失败，否则您将无法对所有内容使用双精度。