python并行编程，卸载到GPU

Question

我在写科学的python代码，在我看来包含了很多非常可并行化的for循环。 在这些循环中，我从一个开源python2.7库调用了许多属于类的函数，因此迁移到另一种语言是不可行的。除非它能与python接口。 我有两个不同的代码->

1. 在最里面的循环中调用C-binaries*，这是它只能使用一个线程的瓶颈，然后将结果写入磁盘。

2. 在最内层循环中调用开源C PyObject函数**，在ndarray中保存，在外部循环中写入磁盘

是否有可能将这些文件中的for loop卸载到gpu？（英伟达GTX gpu） 例如，使用OpenACC（Python）/PGI、PyCUDA或PyOpenCL甚至OpenCV？在

（*依赖于存储GB临时数据的路径，例如$HOME/tmp/） （**不太可并行化，因为它们依赖于以前的迭代..）

输入是CT图像->3dnp.数组有符号int16值的

我有八个CPU线程，我可以充分利用多处理.pool但是我的GPU什么也没做。假设8 GB RAM，使用<；2 GB。使用Arch Linux。在

另外，我愿意在硬件升级方面征求建议->；我从事癌症研究，这使得资助成为可能。在