要利用GPU加速SOME（Self Organizing Map）算法，可以采取以下步骤：
使用GPU编程语言或框架：首先，选择一个支持GPU加速的编程语言或框架，如CUDA、OpenCL、或者使用深度学习框架如TensorFlow、PyTorch等。
优化算法实现：将SOME算法的实现优化为GPU可并行加速的形式，利用GPU的大规模并行计算能力加快算法的计算速度。
数据并行处理：将数据划分成多个小批次，分配给不同的GPU核心同时处理，以充分利用GPU的并行计算能力。
使用高效的GPU资源管理：合理利用GPU内存，避免内存不足或频繁数据传输导致性能下降，可以使用GPU资源管理工具进行监控和调优。
测试和调优：在实现GPU加速的SOME算法后，进行性能测试和调优，不断优化算法的实现以达到更高的计算速度和效率。
通过以上步骤，可以有效利用GPU加速SOME算法，提高算法的计算速度和效率。