0

如果我想加快下面的代码，我该怎么做？

pcg <- foreach(boot.iter=1:boot.rep） %dopar% {
d.boot<-d[in.sample[[boot.iter]],]

*here in.sample[[boot.iter]] 随机生成 1000 个行号。

我计划拆分整体任务并将单独的试验发送到每个核心。例如，

sub_task<-foreach(i=1:cores.use)%dopar%{
for (j in 1:trialsPerCore){
d.boot<-d[in.sample[[structure[i,j]]],]}}

*结构是一个矩阵，包含从 1 到 boot.rep

但这不起作用，似乎我们不能在 foreach 中使用“for”循环？此外，d.boot 仅保留每个内核的最后一次迭代。

我尝试在线搜索，发现以下代码有效，

sub_task<foreach(i=1:cores.use)%:%
foreach(j=1:trialsPerCore)%dopar%{
d.boot<-d[in.sample[[structure[i,j]]],]｝

但是我觉得和我原来的功能差不多，我觉得没有很大的提升。

你们有什么建议吗？

4

1 回答 1

0

除非我遗漏了什么，否则看起来你在foreach循环中没有做太多计算。您似乎只是从创建一个矩阵列表d。除非您可以对循环中的这些矩阵执行操作，并且理想情况下从该操作返回相对较小的结果，否则这不会从并行计算中受益。

尽管“分块”通常有助于更有效地执行并行循环，但我认为它在这里没有帮助。通信可能会更有效一些，但您仍然只是进行大量通信而基本上没有计算。

请注意，您的分块尝试不起作用，因为for循环中的foreach循环重复地将矩阵分配给同一个变量。然后，for循环本身返回 aNULL作为foreach循环体，因此这sub_task是一个 NULL 列表。在这种情况下， Anlapply会工作得更好。

在循环中计算in.sample列表中的值会有所帮助。foreach这将减少自动导出到每个工作人员的数据量，代价是对工作人员进行更多计算，这通常是您希望在并行循环中执行的操作。至少，您可以in.sample直接迭代：

pcg <- foreach(i=in.sample) %dopar% d[i,]

在这种形式下，更明显的是没有足够的计算来保证并行计算。如果没有任何真正的计算要执行，你最好使用lapply：

pcg <- lapply(in.sample, function(i) d[i,])
于 2013-07-03T12:55:18.307 回答