1

我在 R 中运行一些资源密集型计算。我使用 for 循环、引导模拟等。我已经将适用于 Linux* 的英特尔® 数学核心函数库与 R 集成，这似乎显着缩短了计算时间。我现在正在考虑为 Linux* 和 R 集成英特尔® Parallel Studio XE 2013。这意味着将其随附的不同编译器传递给 R：

(1) 英特尔® Parallel Studio XE 2013 for Linux* 和 R 的集成是否会显着提升性能？

(2) 您能否举一些例子，在哪些情况下我会受益？

谢谢！

4

1 回答 1

1

非常粗略的数量级：

  • 并行/多核 BLAS（例如 MKL）将在内核数量上进行次线性扩展，但仅适用于实际上是 BLAS 调用的操作部分，即不适用于基本的“for 循环、引导模拟等”

  • 字节编译你的 R 代码可能会给你两倍，也许三倍

  • 之后，您可能需要更重的武器，例如Rcpp，它可以在涉及“for 循环、引导模拟等”的代码上提供 50、70、90 倍的加速，这就是为什么它在 MCMC 人群中如此受欢迎的原因

  • 同样，英特尔 TBB 和其他并行技巧将需要重写您的代码。

天下没有免费的午餐。

于 2014-04-19T21:56:54.060 回答