我目前正在使用furrr我的模型创建更有条理的执行。我使用 adata.frame以有序的方式将参数传递给函数，然后使用 将furrr::future_map()函数映射到所有参数。在我的本地机器（OSX）上使用顺序和多核期货时，该功能可以完美运行。

现在，我想测试创建自己的 AWS 实例集群的代码（如图所示）。

我使用链接的文章代码创建了一个函数：

然后，我创建集群对象，然后检查它是否连接到正确的实例

当我打印时，f我得到了我的一个远程实例的规格，这表明套接字已正确连接：

但是当我使用我的集群计划运行我的代码时：

我收到以下错误：

我无法弄清楚引擎盖下发生了什么，我也无法traceback()从我的远程机器上看到错误。我已经测试了与文章中示例的连接，并且事情似乎运行正常。我想知道为什么要tempdir在执行期间创建一个。我在这里想念什么？

（这也是repo中的一个问题）furrr

我有一个数据框列表，我想将每个列表拆分为一个训练和测试集。

我正在尝试的是以下内容：

我在test代码部分遇到错误。

错误告诉我：

缺少参数“.f”，没有默认值

.f我要应用的功能是功能anti_join。

数据：

我将一个函数应用于不同的数据 ~2000 次，我想在每次迭代后保存 .rds 。我已经使用 furrr/foreach 对代码进行了并行化，所以目前它非常有效。但是，我不知道如何保存每次迭代的中间结果并同时保留计算时间。那么，是否可以有效地并行保存多个 .rds？

可重现的例子：

我试图找出将 keras 模型应用于我的每个列表的正确方法。我使用了iris数据集并创建了 4 个列表，目标是正确预测versicolor或virginica（我省略了setosa，因为我想要一个二元分类模型）。

我的问题发生在这里。当我应用以下代码时：

我收到此错误：

py_get_item_impl（x，key，FALSE）中的错误：TypeError：'Sequential'对象不支持索引

当我应用此代码时：

我收到此错误：

〜fit（x = .x，y = .y，epochs = 5，batch_size = 20，validation_split = 0）py_call_impl中的错误（callable，dots$args，dots$keywords）：评估错误：无法将R对象转换为Python类型。

如何将 keras 模型映射到 4 个数据集中的每一个？

以下适用于第一个列表：

编辑：我似乎已经解决了。

将函数NN_model放入内部fit()似乎可以工作。

我正在使用 future_map 创建几个图，在其中迭代变量列表并将每个变量的 png 文件输出/保存到文件夹中。所以没有需要在控制台或“绘图”窗格中显示的输出。

函数的绘图部分：

我如何映射函数：

但是，在创建所有文件之后，我可以看到它们在文件夹中，这是缓慢打印的（需要一段时间，~1k 次迭代）：

有谁知道如何抑制这个输出？

非常感谢！

我使用 R 包furrr来满足我的大部分并行化需求，并且基本上从来没有将东西从我的全局环境导出到集群的问题。今天我做到了，我不知道为什么。包文档似乎将全局变量发送到集群的过程描述为“黑魔法”。黑魔法是什么？

furrr::future_options文档说：

全局变量和包 默认情况下，future 包将执行黑魔法来查找您的 furrr 调用所需的全局变量和包，并将这些导出到每个工作人员。但是，它并不总是完美的，可以使用 globals 和 packages 参数进行改进。

作为第二个问题：是否有一种优雅的方式来告诉它使用它的黑魔法，同时导出它错过的东西？或者，选择a）全是黑魔法，还是b）对.options参数中的所有内容进行硬编码？

我有兴趣了解更多关于如何furrr从全球环境中找到东西的信息，并普遍询问了它执行的黑魔法。这是我不理解的行为的一个具体示例，可以使用一些帮助：我需要在future_map调用中或在get调用"C"中更改"F"什么？

编辑

似乎这个问题在所有系统上都无法重现，并且可能与我的安装furrr.有关multiprocessmultisessionplan(strategy=multicore,...

我正在使用 tidyr::crossing 创建可能的参数组合，然后这些组合将成为 forecast.gts() 的输入。

由于我有超过 2 个参数，因此使用 ..x 表示法映射参数，即 ..1、..2、..3 https://purrr.tidyverse.org/reference/map2.html

但是，似乎每个组合的结果都是 NULL。

如果我要单独调用该函数，它会给我结果。

我将glmnet在面板数据集上使用包中的惩罚回归模型。作为面板意味着我将不使用交叉验证而是使用滚动原点来测试模型，因此我不会使用cv.glmnet仅适用于交叉验证的功能。相反，我将使用默认glmnet函数。这个函数有两个参数需要优化，lambda和alpha。lambda允许为数组，如果是，则为数组中的每个元素拟合一个模型，但alpha必须是标量。我有兴趣为不同的alpha值运行模型。到目前为止，我正在使用 for 循环按顺序执行此操作，如下例所示（在此示例中，BostonHousing为了简单起见，我使用数据集，尽管不是面板数据）

这种方法有效，但对我来说似乎效率很低，我考虑将它并行化。我尝试使用该furrr包（允许并行化purrr功能），但我面临两个问题：

问题 1

以下代码（假定）furrr按顺序运行：

但是使用 for 循环实现的解决方案与使用furrr. 例如，查看 和 的lambda=10系数alpha=0：

问题 2

如果我尝试furrr并行运行，我会收到一条错误消息：

因此，任何帮助理解这里发生的事情，或提供并行运行它的替代方法将不胜感激。

有没有办法配置furrr::future_map允许嵌套用例？考虑以下代码：

第一个应该花费 2 秒多一点。还行吧。但是，即使在千核机器上，有没有办法让第二个机器花费不到 1 秒？

我的用例如下：一些子任务比其他子任务需要更长的时间才能完成，当一些子任务完成后，一些内核可以自由地进一步调度更长的任务。

但是 furrr 默认情况下不这样做，并且 lnger 运行的任务最终只在一个内核上。该问题等同于上面代码中显示的问题：如果某些内核空闲，有没有办法让 furrr 重新调度内部任务？

这是不可能的，还是我错过了 furrr/future 调用的参数？