我正在尝试通过使用foreach
来提高循环计算速度,但是在该循环中定义了一个简单的Rcpp函数。我将Rcpp函数另存为mproduct.cpp
,并使用
sourceCpp("mproduct.cpp")
Rcpp函数是一个简单的函数,它可以在C ++中执行矩阵乘积:
// [[Rcpp::depends(RcppArmadillo, RcppEigen)]]
#include <RcppArmadillo.h>
#include <RcppEigen.h>
// [[Rcpp::export]]
SEXP MP(const Eigen::Map<Eigen::MatrixXd> A, Eigen::Map<Eigen::MatrixXd> B){
Eigen::MatrixXd C = A * B;
return Rcpp::wrap(C);
}
因此,Rcpp文件中的函数是MP
,是指矩阵乘积。我需要执行以下foreach
循环(我已简化了代码说明):
foreach(j=1:n, .package='Rcpp',.noexport= c("mproduct.cpp"),.combine=rbind)%dopar%{
n=1000000
A<-matrix(rnorm(n,1000,1000))
B<-matrix(rnorm(n,1000,1000))
S<-MP(A,B)
return(S)
}
由于矩阵A和B的大小很大,所以我要使用foreach来减轻计算成本。
但是,上面的代码不起作用,因为它为我提供了错误消息:
task 1 failed - "NULL value passed as symbol address"
我添加.noexport= c("mproduct.cpp")
的原因是要遵循解决类似问题(Can't run Rcpp function in foreach - "NULL value passed as symbol address")的人员的一些建议。但这不解决我的问题。
因此,我尝试将Rcpp函数安装为库。我使用了以下代码:
Rcpp.package.skeleton('mp',cpp_files = "<my working directory>")
但它会向我返回警告消息:
The following packages are referenced using Rcpp::depends attributes however are not listed in the Depends, Imports or LinkingTo fields of the package DESCRIPTION file: RcppArmadillo, RcppEigen
所以当我尝试使用安装程序包
install.packages("<my working directory>",repos = NULL,type='source')
我收到警告消息:
Error in untar2(tarfile, files, list, exdir, restore_times) :
incomplete block on file
In R CMD INSTALL
Warning in install.packages :
installation of package ‘C:/Users/Lenovo/Documents/mproduct.cpp’ had non-zero exit status
那么有人可以帮助我解决以下问题吗?1)将foreach
与Rcpp函数MP
一起使用,或2)将Rcpp文件作为软件包安装?
非常感谢大家。
答案 0 :(得分:2)
第一步是确保您在优化正确的东西。对我来说,不是,因为这个简单的基准测试显示:
set.seed(42)
n <- 1000
A<-matrix(rnorm(n*n), n, n)
B<-matrix(rnorm(n*n), n, n)
MP <- Rcpp::cppFunction("SEXP MP(const Eigen::Map<Eigen::MatrixXd> A, Eigen::Map<Eigen::MatrixXd> B){
Eigen::MatrixXd C = A * B;
return Rcpp::wrap(C);
}", depends = "RcppEigen")
bench::mark(MP(A, B), A %*% B)[1:5]
#> # A tibble: 2 x 5
#> expression min median `itr/sec` mem_alloc
#> <bch:expr> <bch:tm> <bch:tm> <dbl> <bch:byt>
#> 1 MP(A, B) 277.8ms 278ms 3.60 7.63MB
#> 2 A %*% B 37.4ms 39ms 22.8 7.63MB
所以对我来说,通过%*%
的矩阵乘积比通过RcppEigen的乘积快几倍。但是,当您在Windows上时,我将Linux与OpenBLAS一起用于矩阵操作,这通常意味着参考BLAS进行矩阵操作。 可能是RcppEigen在您的系统上更快。我不确定Windows用户获得更快的BLAS实现有多困难(https://csgillespie.github.io/efficientR/set-up.html#blas-and-alternative-r-interpreters可能包含一些指针),但是我建议花一些时间进行调查。
现在,如果得出的结论是您的代码中确实需要RcppEigen或RcppArmadillo,并且想要将该代码放入包中,则可以执行以下操作。代替Rcpp::Rcpp.package.skeleton()
使用RcppEigen::RcppEigen.package.skeleton()
或 RcppArmadillo::RcppArmadillo.package.skeleton()
为基于RcppEigen
或 { {1}}。