如果时间非常重要，我强烈建议您查看 Intel 的 Xeon phi 协处理器。它们不仅几乎或同样快，只需要 openmp 来编码，而且英特尔开发人员论坛上的英特尔客户服务非常棒。我不知道你是否可以使用 R，但是可以使用 c、c++ 和 fortran 等标准语言。您也可以直接在协处理器上使用 Intels mkl 库进行矩阵乘法

我知道你的时间可能有限，但如果你有大约 1-3 周的时间来真正学习 CUDA，我强烈推荐CUDA by Example: An Introduction to General-Purpose GPU Programming ( Amazon.com )。它在解释 GPU 编程的一般概念方面做得非常出色，并且在加快使用 NVIDIA 的 GPU 语言 CUDA 方面做得很好。

CUDA 可以说是使用最广泛的 GPU 语言之一——当然在高性能计算社区（例如NASA）中。它可以很好地控制很多细节，但对于许多任务，它还需要对显卡的底层知识。这不是你一天就能学会的东西，甚至可能一周都不会，但它可能是值得的。

r-tutor.com上有一个关于 R 中 GPU 计算的教程。它有各种示例，您可以查看并主要使用开源的 RPUD 包，并使用非免费的 RPUDPLUS。

此外，该网站还讨论了一些有助于在 R 中进行 GPU 计算的不同包。提到的包是

• gputools
• HiPLARM
• rpud
• 岩浆
• gcbd
• 开放式
• WideLM
• cudaBayesreg
• 烫发GPU

但只详细讨论了前三个。

关于如何开始使用 GPU 的更多提示： 1. 涵盖库和 OpenACC 指令的新免费在线课程：https ://developer.nvidia.com/intro-to-openacc-course-2016 2. 库列表已经使用 GPU 加速：https ://developer.nvidia.com/gpu-accelerated-libraries 3. openacc.org - 也有很多资源