近年来图形处理器(GPU)快速拓展的可编程性能力加上渲染流水线的高速度及并行性，使得图形处理器通用计算(GPGPU)迅速成为一个研究热点。针对大规模神经网络BP算法效率低下问题，提出了一种GPU加速的神经网络BP算法。将BP网络的前向计算、反向学习转换为GPU纹理的渲染过程，从而利用GPU强大的浮点运算能力和高度并行的计算特性对BP算法进行求解。实验结果表明，在保证求解结果准确度不变的情况下，该方法运行效率有明显的提高。