Question

我一直在使用R中的parallel包来执行以下循环：

cl <- makeCluster(getOption("cl.cores", 6))
result <- parSapply(cl,1:k,function(i){ ... })

有没有一种自然的方法来使用这个包并行化R中的嵌套for循环？或许是另一个包？我知道有几种方法可以在R中实现并行性。

我的循环看起来像这样。我简化了一点，但它得到了消息：

sup_mse <- matrix(0,nrow=k,ncol=length(sigma))
k <- 100000 #Number of iterations
sigma <- seq(from=0.1,to=10,by=0.2)

for(i in 1:k){
  for(j in 1:length(sigma)){
    sup<-supsmu(x,y)
    sup_mse[i,j] <- mean((m(x)-sup$y)^2)
  }
}

Answer 1

感谢您制作可重复的示例！我喜欢降雪用于我的并行处理，所以这就是它在那里的样子。

install.packages('snowfall')
require(snowfall)

### wasn't sure what you were using for x or y
set.seed(1001)
x <- sample(seq(1,100),20)
y <- sample(seq(1,100),20)
k <- 100
sigma <- seq(0.1, 10, 0.2)

### makes a local cluster on 4 cores and puts the data each core will need onto each
sfInit(parallel=TRUE,cpus=4, type="SOCK",socketHosts=rep("localhost",4))
sfExport('x','y','k','sigma')

answers <- sfSapply(seq(1,k), function(M) 
  sapply(seq(1,length(sigma)), function(N)
    mean((mean(x)-supsmu(x,y)$y)^2)  ## wasn't sure what you mean by m(x) so guessed mean
  )
)

sup_mse <- t(answers) ## will give you a matrix with length(sigma) columns and k rows
sfStop()

我记得在某处你只想在外部循环中使用sfSapply，然后在该循环中使用常规应用函数。希望这有帮助！

并行化R中的double for循环

1 个答案: