r - 优化 for 循环 RcppArmadillo 中的矩阵乘法
问题描述
目的是在 R 中实现正交投影非负矩阵分解 (opnmf) 的快速版本。我正在翻译此处提供的 matlab 代码。
我实现了一个香草 R 版本,但它比我的数据(~225000 x 150)的 20 因子解决方案的 matlab 实现慢得多(慢约 5.5 倍)。
所以我认为使用 c++ 可能会加快速度,但它的速度与 R 相似。我认为这可以优化但不知道如何作为 c++ 的新手。这是一个讨论类似问题的线程。
这是我的 RcppArmadillo 实现。
// [[Rcpp::export]]
Rcpp::List arma_opnmf(const arma::mat & X, const arma::mat & W0, double tol=0.00001, int maxiter=10000, double eps=1e-16) {
arma::mat W = W0;
arma::mat Wold = W;
arma::mat XXW = X * (X.t()*W);
double diffW = 9999999999.9;
Rcout << "The value of maxiter : " << maxiter << "\n";
Rcout << "The value of tol : " << tol << "\n";
int i;
for (i = 0; i < maxiter; i++) {
XXW = X * (X.t()*W);
W = W % XXW / (W * (W.t() * XXW));
//W = W % (X*(X.t()*W)) / (W*((W.t()*X)*(X.t()*W)));
arma::uvec idx = find(W < eps);
W.elem(idx).fill(eps);
W = W / norm(W,2);
diffW = norm(Wold-W, "fro") / norm(Wold, "fro");
if(diffW < tol) {
break;
} else {
Wold = W;
}
if(i % 10 == 0) {
Rcpp::checkUserInterrupt();
}
}
return Rcpp::List::create(Rcpp::Named("W")=W,
Rcpp::Named("iter")=i,
Rcpp::Named("diffW")=diffW);
}
这个建议的问题证实了matlab相当快,那么使用R/c++时没有希望了吗?
测试是在 Windows 10 和 Ubuntu 16 以及 R 版本 4.0.0 上进行的。
编辑
在下面的答案中有趣的评论之后。我正在发布其他详细信息。我在带有 R 3.5.3(微软提供的)的 Windows 10 机器上进行了测试,比较表明带有微软 R 的 RcppArmadillo 是最快的。
R
user system elapsed
213.76 7.36 221.42
R 与 RcppArmadillo
user system elapsed
179.88 3.44 183.43
微软的开放 R
user system elapsed
167.33 9.96 45.94
微软与 RcppArmadillo 合作
user system elapsed
85.47 4.66 23.56
解决方案
您是否知道这段代码“最终”由一对名为 LAPACK 和 BLAS 的库执行?
你知道 Matlab 附带一个高度优化的吗?您是否知道在运行 R 的所有系统上,您都可以更改正在使用的 LAPACK/BLAS。
差别很大。就在今天早上,一位朋友发布了这条推文,对比了在同一台 Windows 计算机上运行但在两个不同 R 环境中运行的相同 R 代码。快六倍的“简单”使用并行 LAPACK/BLAS 实现。
在这里,您甚至没有告诉我们您使用的是哪个操作系统。您可以为运行 R 的所有操作系统获取 OpenBLAS(使用并行性)。您甚至可以在某些操作系统上相当轻松地获得 Intel MKL(IIRC 也是 Matlab 使用的)。对于 Ubuntu/Debian,我在 GitHub 上发布了一个脚本,可以一步完成。
最后,多年前,我“继承”了一个在 Matlab 中运行的快速程序,该程序在一台(当时非常大的)Windows 计算机上运行。我使用 RcppArmadillo 在 C++ 中重写了 Matlab 部分(仔细而缓慢,这很努力),导致了一些改进因素——因为我们可以在同一台计算机上从 R 并行运行该(现在开源)代码,另外几个因素。将一整天的模拟变成只运行几分钟的东西是数量级的。所以“是的,你可以”。
编辑:当您可以访问 Ubuntu 时,您可以通过一个命令从基本的 LAPACK/BLAS 切换到 OpenBLAS,尽管我不再那么熟悉 Ubuntu 16.04(因为我自己运行 20.04)。
编辑 2:从Josef 的推文中进行比较,我也是维护者的 Docker r-base容器(作为Rocker 项目的一部分)可以使用 OpenBLAS。[1] 因此,一旦我们添加它,例如通过 apt-get install libopenblas-dev
一个简单的重复矩阵叉积从
root@0eb44b1fcc06:/# Rscript -e 'v <- matrix(1:1e6,1e3); system.time(replicate(10, crossprod(v,v)))'
user system elapsed
9.289 0.084 9.373
root@0eb44b1fcc06:/#
至
root@67bd334f53d4:/# Rscript -e 'v <- matrix(1:1e6,1e3); system.time(replicate(10, crossprod(v,v)))'
user system elapsed
2.259 2.370 0.447
root@67bd334f53d4:/#
这是实质性的。
推荐阅读
- c# - 通过 REST api(任何内容类型(数据类型))从 SQL Server 提供文件
- xaml - 如何在 UWP xaml 中更改 Datagrid 选择的行颜色和数据网格标题字体
- c - C:使用 unistd 写入打印句点(。)
- android - 检查 Google IdToken 是否已过期
- java - 在 Sqlite 中仅创建和更新单个值
- python - 如何从 Django 模板中的 JSON 文件访问属性元素?
- java - 如何从 Python 连接到 JDA 服务器
- authorization - Mobilefirst 插件不支持 Android 9 进行安全登录
- cmake - 使用 CMake 创建共享库
- python-3.x - 如何组合 Numpy Array 的最后 2 个维度