Question

这里有一个基本的monad问题，与Repa无关，还有几个与Repa有关的问题。

我正在使用Repa3工作。我无法获得高效的并行代码。如果我让我的函数返回延迟数组，我会得到极其缓慢的代码，可以很好地扩展到8个内核。此代码每GHC探查器占用超过20GB的内存，并且运行速度比基本Haskell未装箱的向量慢几个数量级。

或者，如果我让所有函数返回Unboxed清单数组（仍尝试在函数中使用fusion，例如当我执行'map'）时，我获得了更快的代码（仍然比使用Haskell未装箱的向量慢））它根本不会扩展，实际上随着核心数量的增加会略微变慢。

基于Repa-Algorithms中的FFT示例代码，似乎正确的方法是始终返回清单数组。有没有我应该返回延迟数组的情况？

FFT代码也充分利用了'now'功能。但是，当我尝试在我的代码中使用它时出现类型错误：

type Arr t r = Array t DIM1 r
data CycRingRepa m r = CRTBasis (Arr U r)
                     | PowBasis (Arr U r)

fromArray :: forall m r t. (BaseRing m r, Unbox r, Repr t r) => Arr t r -> CycRingRepa m r
fromArray = 
    let mval = reflectNum (Proxy::Proxy m)
    in \x ->
        let sh:.n = extent x
        in assert (mval == 2*n) PowBasis $ now $ computeUnboxedP $ bitrev x

代码在没有'now'的情况下编译得很好。使用'now'，我收到以下错误：

无法匹配类型r' with数组U（Z：.int）r' `r'是一个绑定的刚性类型变量的签名类型 fromArray ::（BaseRing m r，Unbox r，Repr t r）=＆gt; Arr t r - ＆gt; CycRingRepa m r 在C：\ Users \ crockeea \ Documents \ Code \ LatticeLib \ CycRingRepa.hs：50：1 预期类型：CycRingRepa m r 实际类型：CycRingRepa m（阵列U DIM1 r）

我不认为 this是我的问题。如果有人可以解释Monad如何在“现在”工作，将会很有帮助。根据我的最佳估计，monad似乎正在创造一个'Arr U（Arr U r）'。我期待'Arr U r'，然后匹配数据构造函数模式。发生了什么，我该如何解决这个问题？

类型签名是：

computeUnboxedP :: Fill r1 U sh e => Array r1 sh e -> Array U sh e
now :: (Shape sh, Repr r e, Monad m) => Array r sh e -> m (Array r sh e)

更好地了解何时使用'now'会很有帮助。

其他几个维修问题：我应该显式调用computeUnboxedP（如在FFT示例代码中），还是应该使用更通用的computeP（因为unbox部分是由我的数据类型推断的）？我应该在数据类型CycRingRepa中存储延迟或清单数组吗？最后我还希望这段代码能够与Haskell Integers一起使用。这是否需要我编写使用U数组以外的其他代码的新代码，还是可以编写为unbox类型创建U数组的多态代码以及为Integers / boxed类型创建其他数组？

我意识到这里有很多问题，我感谢任何/所有答案！

Answer 1

以下是now的源代码：

now arr = do
  arr `deepSeqArray` return ()
  return arr

所以它实际上只是deepSeqArray的monadic版本。您可以使用其中任何一种来强制进行评估，而不是挂在thunk上。这种“评估”与调用computeP时强制的“计算”不同。

在您的代码中，now不适用，因为您不在monad中。但在这种情况下，deepSeqArray也无济于事。考虑一下这种情况：

x :: Array U Int Double
x = ...

y :: Array U Int Double
y = computeUnboxedP $ map f x

由于y引用x，我们希望确保在开始计算x之前计算y。如果没有，可用的工作将不会在一组线程中正确分配。为了解决这个问题，最好将y写为

y = deepSeqArray x . computeUnboxedP $ map f x

现在，对于延迟数组，我们有

deepSeqArray (ADelayed sh f) y = sh `deepSeq` f `seq` y

不是计算所有元素，而是确保计算形状，并将f简化为弱头正常形式。

对于清单和延迟数组，肯定有时间延迟数组是优选的。

multiplyMM arr brr
 = [arr, brr] `deepSeqArrays`
   A.sumP (A.zipWith (*) arrRepl brrRepl)
 where  trr             = computeUnboxedP $ transpose2D brr
        arrRepl         = trr `deepSeqArray` A.extend (Z :. All   :. colsB :. All) arr
        brrRepl         = trr `deepSeqArray` A.extend (Z :. rowsA :. All   :. All) trr
        (Z :. _     :. rowsA) = extent arr
        (Z :. colsB :. _    ) = extent brr

这里“extend”通过在一组新维度上复制值来生成新数组。特别是，这意味着

arrRepl ! (Z :. i :. j :. k) == arrRepl ! (Z :. i :. j' :. k)

值得庆幸的是，extend会产生一个延迟数组，因为要解决所有这些问题会很麻烦。

延迟阵列也允许融合的可能性，如果阵列显而易见，这是不可能的。

最后，computeUnboxedP只是computeP，具有特殊类型。明确地给予computeUnboxedP可能会使GHC更好地进行优化，并使代码更清晰。

Answer 2

Repa 3.1不再需要明确使用now。并行计算函数都是monadic，并自动将deepSeqArray应用于其结果。 repa-examples包还包含一个新的矩阵乘法实现，用于演示它们的用法。

修复3'性能和正确使用'现在'

2 个答案: