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foreach
Rcpp函数MP
,还是2)将Rcpp文件安装为一个包?
非常感谢大家。
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
- python - 如何将文件中的数据导入类对象?
- node.js - 请求的模块“@azure/arm-authorization”应为 CommonJS 类型
- python - AttributeError:“str”对象没有属性“add_artist”matplotlib
- python - Python Tkinter 帐户丢失时间
- git - Git 提交以 myname 的作者身份提交,并且 myname 在 20 分钟前提交。名称在 commit 中出现了两次。如何让它只出现一次?
- julia - 如何正确使用@constraintref?朱莉娅语言
- c# - 将 VBA 选择案例转换为 C#
- python - 如何使 NetworkX 图形可视化更具可读性?
- amazon-web-services - 如何通过 cloudformation 重新创建 lambda 函数?
- php - 将数组值与三元运算符结果连接起来