具有并行處理架構的平台，例如FPGA和GPU，在快速分析大型資料集方面得到了廣泛應用。這兩項技術可以減輕運算密集型算法對CPU造成的負擔，在高度并行的平台上進行處理。FPGA靈活性高、處理延遲低，但是由于容量不足，在浮點運算方面具有一定的局限性。GPU因為其靈活性、便捷性以及低成本的特點，已經成為并行處理的普遍選擇。它們可以成功地與FPGA協同工作，優化一個算法的執行速度。舉例來說，在一個算法中，當 GPU分析浮點資料時，内聯（Inline）計算能夠在FPGA上快速地執行。NVIDIA®計算統一裝置架構（Compute Unified Device Architecture）CUDA™,，可以幫助建立基于GPU計算的算法，CUDA™允許使用者使用C程式設計語言及其NVIDIA擴充建立程式代碼。
對于實時高性能計算領域的許多應用來說，都可以将資料和任務需求很好地映射到GPU中進行處理。高強度算術運算的算法應用非常适合在GPU上進行處理；如果一個應用中的算術運算相對于記憶體運算的比例較高，則表明當在GPU架構上解決這個計算任務可以帶來明顯的速度提升。舉例來說，對于處理多通道運算的應用，（如可以并行計算幾個FFT變換），或者數學運算（如大型的矩陣運算），都可以有效地映射到GPU中。
LabVIEW GPU分析工具包讓開發人員能夠在LabVIEW應用架構中充分利用GPU并行架構。該工具包利用了NVIDIA的CUDA工具包的功能，以及CUBLAS和CUFFT庫，同時允許開發人員直接調用那些在LVGPU SDK已經寫好的GPU代碼。
首先去官網查資料：
NI官網資料
産品手冊：NI産品手冊-文檔說明
NI lABVIEW GPU 分析工具包
下載下傳LabVIEW 2014 GPU Analysis Tookit (64-bit)（這個要和自己的Labview版本對應起來）
http://search.ni.com/nisearch/app/main/p/ap/tech/lang/zhs/pg/1/sn/ssnav:pdl/fil/AND%28OR%28nilanguage:en,nilanguage:zh-CN%29,%20phwebnt:16557,OR%28nicontenttype:addon,nicontenttype:applicationsoftware%29%29/
安裝好了之後，自己的Funciton面闆上就有下列的新的VI，注意這四個VI，LVCUDA、LVCUBLAS、LVCUFFT、LVGPU SDK非常重要，具體的使用方法要仔細閱讀上文提到的手冊。
自己根據官方VI 寫了一個精簡版的程式，可以通過這個程式調用GPU。
程式框圖的說明如下文所示：