时间戳

首页 > 解决方案 > 创建一个依赖于其他 Rcpp 包的简单 Rcpp 包

foreach - 创建一个依赖于其他 Rcpp 包的简单 Rcpp 包

问题描述

我试图通过使用来提高我的循环计算速度foreach，但是我在这个循环中定义了一个简单的 Rcpp 函数。我将 Rcpp 函数保存为mproduct.cpp，然后简单地使用

sourceCpp("mproduct.cpp")

而Rcpp函数很简单，就是在C++中进行矩阵乘积：

// [[Rcpp::depends(RcppArmadillo, RcppEigen)]]

#include <RcppArmadillo.h>
#include <RcppEigen.h>

// [[Rcpp::export]]
SEXP MP(const Eigen::Map<Eigen::MatrixXd> A, Eigen::Map<Eigen::MatrixXd> B){
  Eigen::MatrixXd C = A * B;
  return Rcpp::wrap(C);
}

所以，Rcpp 文件中的函数是MP，指的是矩阵乘积。我需要执行以下foreach循环（我已简化代码以进行说明）：

foreach(j=1:n, .package='Rcpp',.noexport= c("mproduct.cpp"),.combine=rbind)%dopar%{
n=1000000
A<-matrix(rnorm(n,1000,1000))
B<-matrix(rnorm(n,1000,1000))
S<-MP(A,B)
return(S)
}

由于矩阵 A 和 B 的大小很大，这就是为什么我想使用 foreach 来减轻计算成本。

但是，上面的代码不起作用，因为它向我提供了错误消息：

task 1 failed - "NULL value passed as symbol address"

我添加的原因.noexport= c("mproduct.cpp")是遵循解决类似问题的人的一些建议（无法在 foreach 中运行 Rcpp 函数 - “NULL 值作为符号地址传递”）。但不知何故，这并不能解决我的问题。

所以我尝试将我的 Rcpp 函数安装为库。我使用了以下代码：

Rcpp.package.skeleton('mp',cpp_files = "<my working directory>")

但它返回给我一条警告信息：

The following packages are referenced using Rcpp::depends attributes however are not listed in the Depends, Imports or LinkingTo fields of the package DESCRIPTION file: RcppArmadillo, RcppEigen

所以当我尝试使用安装我的包时

install.packages("<my working directory>",repos = NULL,type='source')

我收到警告信息：

Error in untar2(tarfile, files, list, exdir, restore_times) : 
  incomplete block on file
In R CMD INSTALL
Warning in install.packages :
  installation of package ‘C:/Users/Lenovo/Documents/mproduct.cpp’ had non-zero exit status

那么有人可以帮我解决1）使用foreachRcpp函数MP，还是2）将Rcpp文件安装为一个包？

非常感谢大家。

标签： foreachrcppr-package

解决方案

第一步是确保您正在优化正确的东西。对我来说，情况并非如此，因为这个简单的基准测试显示：

set.seed(42)
n <- 1000
A<-matrix(rnorm(n*n), n, n)
B<-matrix(rnorm(n*n), n, n)

MP <- Rcpp::cppFunction("SEXP MP(const Eigen::Map<Eigen::MatrixXd> A, Eigen::Map<Eigen::MatrixXd> B){
  Eigen::MatrixXd C = A * B;
  return Rcpp::wrap(C);
}", depends = "RcppEigen")

bench::mark(MP(A, B), A %*% B)[1:5]
#> # A tibble: 2 x 5
#>   expression      min   median `itr/sec` mem_alloc
#>   <bch:expr> <bch:tm> <bch:tm>     <dbl> <bch:byt>
#> 1 MP(A, B)    277.8ms    278ms      3.60    7.63MB
#> 2 A %*% B      37.4ms     39ms     22.8     7.63MB

所以对我来说，矩阵乘积%*%比通过 RcppEigen 快几倍。但是，当您在 Windows 上时，我使用 Linux 和 OpenBLAS 进行矩阵运算，这通常意味着参考 BLAS 进行矩阵运算。可能是 RcppEigen 在您的系统上更快。我不确定 Windows 用户获得更快的 BLAS 实现有多困难（https://csgillespie.github.io/efficientR/set-up.html#blas-and-alternative-r-interpreters可能包含一些指针） ，但我建议花一些时间对此进行调查。

现在，如果您得出的结论是您的代码中确实需要 RcppEigen 或 RcppArmadillo 并且想要将该代码放入一个包中，您可以执行以下操作。而不是分别Rcpp::Rcpp.package.skeleton()使用RcppEigen::RcppEigen.package.skeleton() or RcppArmadillo::RcppArmadillo.package.skeleton()来创建基于RcppEigen or RcppArmadillo的包的起点。

推荐阅读