由于概率图模型推断和学习已广泛应用于计算机视觉、自然语言处理、语音识别、生物信息学等研究领域的最新成果中,已成为学术界和工业界的研究热点。另一方面,由于概率图模型规模的不断扩大,推理算法的时间呈现指数级增加。如何提高概率图模型推理算法的速度已成为概率图模型领域的一个重要研究方向。近年来,图形处理器GPU的通用计算技术得到了迅速的发展。GPU由于其强大的并行计算能力、高吞吐量等优势已经成为高性能计算领域的主流计算平台。基于以上形势,对现有的基于并行化加速算法进行了充分研究后,本文借鉴了将推理算法建立在矩阵化计算的思想,并运用CUDA计算框架实现了基于GPU的概率图模型推理算法的并行加速。本文主要针对概率图模型推理算法中的精确推理算法做并行化问题研究。首先,深入研究了概率图模型,重点研究了精确推理算法,寻找这些算法中可供并行计算的步骤。然后,为适应CUDA GPU并行计算框架,分析精确推理相关算法,对和积消息传递部分和无依赖关系的节点对做出并行化改进。提出了基于GPU的概率图模型推理算法节点级并行化和拓扑级并行化。最后,分别对基于GPU的概率图模型推理算法节点级并行化和拓扑级并行化进行实验检测,将其与CPU上的串行算法进行对比,并分析了实验结果,说明了算法的有效性。