PyCUDA提供了与CUDA非常好的集成，并且有几个帮助器接口，使编写CUDA代码比直接使用C API更容易。Here是Wiki中的一个例子，它可以在根本不需要任何C代码的情况下进行2D FFT。

我将在这里发布我在Reddit上看到的一些信息。对于那些不清楚不同包的作用以及如何将CUDA与Python连接的人来说，这将是非常有用的：
From：Reddit
在这篇文章中，有很多关于各种项目的目标是什么以及它们准备得如何的困惑。没有“NumPy的GPU后端”（SciPy的任何功能都更少）。有几种方法可以在Python和一些类似GPU阵列的对象中编写CUDA代码，这些对象支持NumPy的ndarray方法的子集（但不支持NumPy的其余部分，如linalg，fft等）。

*PyCUDA和PyOpenCL最接近。它们消除了启动GPU内核的大量管道（简化了阵列创建和内存传输，无需手动重新分配等）。然而，在大多数情况下，您仍然需要手动编写CUDA内核，它们只是碰巧在Python文件中作为三重引用的字符串。PyCUDA的GPUarray确实包含一些有限的类似NumPy的功能，所以如果你正在做一些非常简单的事情，你可能不需要自己编写任何内核。
*NumbaPro包含一个“cuda.jit”装饰器，允许您使用Python语法编写CUDA内核。它实际上并没有比PyCUDA做什么（引用内核源代码）有多大的进步，只是你的代码现在看起来更像Python。然而，它绝对不会自动在GPU上运行现有的NumPy代码。
*Theano让您可以构建符号表达式树，然后编译它们以在GPU上运行。它不是NumPy，只有NumPy功能的一小部分的等价物。
*gnumpy是CudaMat的一个文档很少的 Package 器。唯一支持的元素类型是float 32，并且只实现了NumPy的一小部分。

更新：

到现在（2023年），有更多/更好的选择（不是来自Reddit）：

• CUDA Python：CUDA运行时和驱动程序API的低级实现。它与PyCUDA非常相似，但与CUDA C++一样由Nvidia官方维护和支持。
• Numba CUDA：与上面的NumbaPro相同，但现在是开源Numba代码生成框架的一部分。当你想写自己的内核时，这是理想的，但要用Python的方式而不是通常的C++方言。
• CuPy：Preferred Networks，Inc.的NumPy/SciPy实现
• cunumeric：Nvidia的用于HPC多节点、多GPU计算的NumPy实现。使用“Legate”抽象层。
• RAPIDS：NVIDIA的加速数据科学库。包括加速的Pandas-like Dataframe （cuDF）等。

我知道这个帖子已经很老了，但我想我可以带来一些相关的信息来回答这个问题。
Continuum Analytics有一个包含库的软件包，可以为您解析CUDA计算。基本上，您需要使用装饰器对需要并行化（在函数中）的代码进行插装，并且您需要导入库。因此，您不需要任何有关CUDA指令的知识。
信息可在NVIDIA页面上找到
https://developer.nvidia.com/anaconda-accelerate
或者您可以直接转到Continuum Analytics的页面
https://store.continuum.io/cshop/anaconda/
有一个30天的试用期和一个免费的许可证的学者。
我广泛地使用它，并将我的代码加速了10到50倍。

Theano看起来可能是你要找的。据我所知，它非常有能力用GPU做一些繁重的数学运算，并且似乎得到了积极的维护。
祝你好运！

查看此页面以获取与Anaconda https://www.anaconda.com/blog/developer-blog/open-sourcing-anaconda-accelerate/一起分发的开源库
今天，我们发布了两个新的Numba子项目，分别称为pyculib和pyculib_sorting，其中包含NVIDIA GPU库Python Package 器和Accelerate的排序函数。这些 Package 器与NumPy阵列和Numba GPU设备阵列一起使用，以提供对加速函数的访问：cuBLAS：线性代数cuFFT：快速傅立叶变换cuSparse：稀疏矩阵运算cuRand：随机数生成（仅主机功能）排序：从CUB和ModernGPU移植的快速排序算法未来，Numba项目将接管pyculib和pyculib_sorting，并在新的Numba版本发布时根据需要发布更新。这些项目是BSD许可的，就像Numba一样。

你看过PyGPU吗？
http://fileadmin.cs.lth.se/cs/Personal/Calle_Lejdfors/pygpu/

我可以推荐scikits.cuda。但是你需要下载CULA完整版（学生免费）。另一个是CUV。如果你正在寻找更好的东西，并准备为此付出代价，你也可以看看array fire。现在写我正在使用scikits，到目前为止相当满意。