在R中的desolve包中解决已编译的ODE

时间：2016-04-06 14:18:50

标签： r rcpp

我使用R包在deSolve中解决ODE问题。为了加快计算，我想使用编译代码，使用说明here

我在下面展示了ODE系统的一个例子 - 我正在使用下面的Rcpp进行编码。 ODE系统的详细信息来自示例MATLAB代码（可以找到here）。我想模拟一组非平凡的ODE，以便仅查看R和编译代码的差异。以下是我的驱动文件，我用两种不同的方式计算了质量平衡（仅R和编译代码）

library(deSolve)
library(ggplot2)
library(microbenchmark)

source('parameters_gprotein.R')
p   <- parameters()

source('IC_gprotein.R')
IC  <- Initial_conditions()

TIME = seq(from = 0, to = 600)

source('odes_gprotein.R')
sim.data.df  <- as.data.frame(vode(IC,TIME,ODE_gprotein,p,
                                    mf = 22, rtol=1e-3,atol=1e-6,maxord = 5,
                                    verbose = F))

Rcpp::sourceCpp("odes_gprotein.cpp")
sim.data.df <- as.data.frame(vode(IC,TIME,odes_gprotein,p,
                                      mf = 22, rtol = 1e-3, atol = 1e-6, maxord = 5,
                                      verbose = F))

我的问题是vode来自R。这是否意味着如果在cpp中形成质量平衡并实现速度增益，则在编译代码中求解方程式，或者我是否还必须在vode文件中进行cpp调用

当然，微基准测试结果显示使用odes_gprotein.cpp

时速度有所提升 
Unit: milliseconds
                                                                                                                               expr
  sim.data.df1 <- as.data.frame(vode(IC, TIME, ODE_gprotein, p,      mf = 22, rtol = 0.001, atol = 1e-06, maxord = 5, verbose = F))
 sim.data.df2 <- as.data.frame(vode(IC, TIME, odes_gprotein, p,      mf = 22, rtol = 0.001, atol = 1e-06, maxord = 5, verbose = F))


       min        lq      mean    median        uq      max neval
 27.801954 29.543624 31.213758 30.565434 31.399140 86.28537   100
  8.188846  8.577824  9.177491  8.817025  9.437214 18.94304   100

由于

1 个答案:

答案 0 :(得分：3)

可重复的示例

将来，请链接到/提供问题所依据的所有书面代码。

比较

在编写R和Rcpp函数代码的比较时，应附加到c ++函数名_cpp的末尾，以便明确调用不同的实现。例如C ++实现是ODE_gprotein()还是odes_gprotein()？

在基准测试的情况下，似乎odes_gprotein()是cpp()调用，因为微基准测试较低。这意味着vode()函数正在通过Rcpp::sourceCpp调用引入命名空间的Rcpp包装器。

获得速度

如果可能，所有代码都应嵌入cpp以获得最大收益。这意味着如果速度是一个重要因素（例如，处理非常大的数据或执行计算密集型模拟），您可能必须从头开始实施。该建议是由于减少了R代码前端和C ++代码之间的中继。本质上，当从R调用C ++代码时，有时必须将对象复制并重新格式化为幕后的不同对象，然后才能对其进行处理。如果您使用默认Rcpp类型之外的对象（例如RcppArmadillo，RcppGSL等），则情况尤其如此，因为必须从R的对象结构到导入结构进行复制。

在Rcpp::sourceCpp（幕后）

中发生了什么

让我们更深入地了解Rcpp::sourceCpp()背后的实际情况。具体地，当调用该方法时，提取不同的属性（例如// [[Rcpp::]]标签）并且启用它们的选项。

最常见的标记是// [[Rcpp::export]，它在C ++代码周围创建一个包装器或一个抽象层，以便它可以轻松地使用R对象。此行为很重要有三个原因：1。您无需担心SEXP类型和内存保护，2。使用默认.Call("fname")自动创建R级函数，以及3.启用已编译代码的代码缓存只在改变时重新编译。

因此，当您调用odes_gprotein()时，您实际上正在调用C ++函数。

相关问题
最新问题