r - 并行处理-R中的Foraech和for循环
问题描述
我想生成一个矩阵,我将生成过程放在下面。但这花了很多时间。有没有其他方法可以通过使用 foreach 和并行处理更快地获得相同的结果?
"""
library("foreach")
library("doParallel")
lambdas=seq(0.01,7, by = 0.01)
cl <- makeCluster(2) # create a cluster with 2 cores
registerDoParallel(cl) # register the cluster
nlambdas <-foreach(i = 1:1, .inorder=FALSE ,.combine = 'cbind', .multicombine=TRUE, .packages = "quantreg") %dopar% {
first<-rep()
second<-rep()
third<-rep()
fourth<-rep()
for (m in 1:700) {
for (j in 1:700) {
for (n in 1:700) {
for (k in 1:700) {
first<-rbind(first,lambdas[m])
second<-rbind(second,lambdas[j])
third<-rbind(third,lambdas[n])
fourth<-rbind(fourth,lambdas[k])
}
}
}
}
lambda_total<-cbind(first,second,third,fourth)
}
stopCluster(cl)
"""
解决方案
您不需要并行处理,只需要一个复杂度小于 (O**4) 且运算速度慢的算法来组成这个矩阵。
通过重复排序四个向量可以很容易地构建相同的矩阵。但是,在您的情况下,使用 700**4= 2.4e+11 个元素,这可能需要一些时间。
我用向量中只有 7 个不同的值lambdas
(总共 2401 个元素)来说明算法。
nsteps = 7
lambdas = seq(0.01,7,(7/nsteps))
h = rep(lambdas,nsteps**3)
i = rep(lambdas,nsteps**3)
j = rep(lambdas,nsteps**3)
k = rep(lambdas,nsteps**3)
ordering = order(k)
k = k[ordering]
k = k[ordering]
k = k[ordering]
k = k[ordering]
j = j[ordering]
j = j[ordering]
j = j[ordering]
i = i[ordering]
i = i[ordering]
h = h[ordering]
lambdas.total = cbind(first=h,second=i,third=j,fourth=k)
如果您的内存足够大,可以处理长度>10**10 的向量排序,那么您可以立即用 700 步执行 lambda。不需要任何 for 循环。
推荐阅读
- python - MariaDB在python中检查连接状态
- python - 创建一个 Numpy 数据集
- javascript - Apexcharts 在工具提示中未显示正确的 x 值
- php - PHP 访问本地文件系统 -> 警告:stat(): stat failed for file:///.../test.txt
- datagridview - 如何避免 datagridrow 突出显示功能在 Null 上爆炸?
- .net - Sharepoint:从 .NET 应用程序中按文件名访问文件。超过 5000 个项目的问题。需要按文件“名称”列索引吗?
- docker - docker swarm 不会将任务分配给新的工作节点
- java - Spring Controller - 显示 JSON 而不是 Whitelabel 错误页面(在浏览器中)
- git - 无法将大项目上传到 git
- repository - 如何将 Nexus 存储库从 1.7 迁移到 3.x?