编辑：

Question

我正在运行ubuntu，64位。我有这个最小的测试包，我学习如何做这些事情（我正在关注这个tutorial，除了我在包中也有一些c代码）。

包构建/在linux中运行所以我开始在windows中运行它。

我遵循了这个answer，并使用Uwe Ligges维护的在线Windows包构建器来获取package的（工作）zip版本。

现在，当我在Windows（7-64）上安装.zip软件包时，小的演示代码运行速度比linux版本慢。如在慢30倍。我怀疑差异总是那么大。我想知道我做错了什么以及如何解决这个差距。

编辑：

这是源代码（这是一个最小的工作示例）：

#include <algorithm>
#include <cstdlib>
#include <ctime>
#include <functional>
#include <fstream>
#include <iostream>
#include <math.h>
#include <time.h>
#include <stdio.h>
#include <stdlib.h>
#include <sstream>
#include <vector>

#include <Eigen/Dense>
#include <Eigen/LU>
#include <Eigen/SVD>

using namespace std;
using namespace Eigen;
using Eigen::MatrixXf;
using Eigen::VectorXf;


float median(VectorXf& x) {
    int n=x.rows();
    int half=(n+1)/2;   
    half--;                 
    float med;
    nth_element(x.data(),x.data()+half,x.data()+x.size());  
    if((n%2)==1){
        med=x(half);
    } else {
        float tmp0=x(half);
        float tmp1=x.segment(half+1,half-1).minCoeff(); 
        med=0.5*(tmp0+tmp1);
    }
    return med;
}
VectorXf fx01(MatrixXf& x){
    int p=x.cols();
    int n=x.rows();
    VectorXf Recept(n);
    VectorXf Result(p);
    for(int i=0;i<p;i++){
        Recept=x.col(i);
        Result(i)=median(Recept);
    }
    return Result;
}
extern "C"{
    void mse(int* n,int* p,float* x,float* medsout){
        MatrixXf x_cen=Map<MatrixXf>(x,*n,*p);  
        VectorXf MedsOut=fx01(x_cen);
        Map<VectorXf>(medsout,*p)=MedsOut.array();
    }
}

EDIT2：

根据cbeleites建议我多次运行代码。这样做我发现了一个奇怪的事情：函数的时间实际上与linux相同，除非我在调用我的函数之前调用apply() - 我总是在比较时间我的包的colwise中位数计算到apply(X,2,median) -

的时间

好的，问题解决了。目前。我现在仍然很好奇：为什么一个好的老式调用apply()（在一个巨大的矩阵X上）破坏事情非常糟糕（system.time来自 90秒到3秒）？

Answer 1

我不介意在不同机器上进行计算可能有所不同的一种可能性是BLAS（如果示例中有线性代数计算）。

您是否在Ubuntu上安装了优化的BLAS（例如libopenblas）但在Windows上没有？

windows版的R包比linux版慢很多

编辑：

EDIT2：

1 个答案: