我无法谈论如何最好地使用 AMD GPU。

但是，在您列出的语言中，CUDA 可以被认为是通用应用程序的最低级别、最高性能的语言。这是因为它是由供应商专门为其硬件开发的硬件特定语言。它可以并且确实提供了不会直接转换为其他 GPU 的选项。因此，使用它会产生供应商锁定。

但是，CUDA 可能难以编程，因为它需要对 GPU 的工作原理有充分的了解，并以与 CUDA 兼容的方式编写代码。如果您的目标是快速加速更简单的问题或将旧代码转移到 GPU 上而无需重写数千行代码，那么 CUDA 是一个糟糕的选择。

相反，您需要 OpenACC 或 OpenMP 4.5+。这两种语言扩展都允许您以最少的麻烦和知识并行化您的代码，例如：

#pragma acc parallel loop //Memory movement handled automagically
for(int i=0;i<10000000;i++)
  a[i] = std::sqrt(std::log(a[i])+1.0); //Tada! I'm on the GPU

OpenMP 和 OpenACC 本质上做同样的事情，但 OpenMP 是一个“开放标准”，而 OpenACC 本质上是 Nvidia 试图将开放标准的理念纳入其优势的尝试。作为该战略的一部分，OpenACC 也首先进入市场。在两者之间移动并不是特别困难。

上次我检查了只有 Nvidia 的 PGI 编译器完全支持 OpenACC，只有 IBM 的 XL 编译器完全支持 OpenMP 的目标指令。但是您可以期望对两者的支持都会扩大。

Kokkos、Thrust、Tensorflow 和其他此类库提供了利用 GPU 的替代高级方法。

我无法谈论 ROCm 做了什么，但它看起来好像为 OpenCL 和 HIP 提供了一个独立于硬件的运行时库（它看起来像是一种开放的、平台独立的 CUDA 式语言）。

我没有足够的声誉，所以我（必须）发布答案而不是评论。

另一种方法是使用带有自己语言的 HIP 编译器。见这里： https ://github.com/ROCm-Developer-Tools/HIP

除了与 GPU 无关的语言之外，该编译器似乎能够转换 CUDA 代码以在 AMD GPU 上执行。