Question

我很难理解为什么随着迭代次数的增加，这段代码（从R Benchmark 2.5改编而来）变得越来越慢（平均）。

require(Matrix)  
c <- 0;
for (i in 1:100) {
  a <- new("dgeMatrix", x = rnorm(3250 * 3250), Dim = as.integer(c(3250, 3250)))
  b <- as.double(1:3250)

  invisible(gc())
  timing <- system.time({
    c <- solve(crossprod(a), crossprod(a, b))
  })
  print(timing)

  rm(a, b, c)
}

这是一个sample output，从一次运行到下一次运行略有不同。

据我所知，从一次迭代到下一次迭代都不应该保存，但是时间从前几个循环中的1秒缓慢增加到后面循环中的4秒以上。你知道造成这种情况的原因，以及我如何解决这个问题？

将for循环切换为* apply似乎会产生类似的结果。

我知道代码没有经过优化，但它来自广泛使用的基准测试，并且根据导致此行为的原因，它可能表明其结果存在严重偏差（默认情况下仅迭代3次）。

我在Mac OS 10.8.4上运行R版本3.0.1（x86_64），内存为16 GB（大量免费）。 BLAS是OpenBLAS。

Answer 1

一种解决方案是使用编译器包将代码编译为字节代码。这应该消除奇怪的时序问题，因为它将在每次迭代时调用相同的编译代码。它还应该使您的代码更快。要在代码上启用编译器，请在下面添加以下两行：

library(compiler)
enableJIT(3)

如果编译代码没有消除问题，那么可疑问题的集合将会缩小。

Answer 2

也许您可以尝试将for循环中的代码转换为函数。通过这种方式，一次运行确实无法影响另一种运行方式。此外，它还消除了由于过多的rm（）和gc（）使用造成的混乱。

require(Matrix)

NewFun <- function() {
    a <- new("dgeMatrix", x = rnorm(3250 * 3250), Dim = as.integer(c(3250, 3250)))
    b <- as.double(1:3250)
    timing <- system.time({
        c <- solve(crossprod(a), crossprod(a, b))
    })
    print(timing)
}

for (i in 1:100) {
    NewFun()
}

R循环越来越慢

2 个答案: