RcppArmadillo函数的cpu时间似乎无法通过增加数据尺寸和数据大小来线性缩放

如何解决RcppArmadillo函数的cpu时间似乎无法通过增加数据尺寸和数据大小来线性缩放

我已经用R和Rcpp编写了一个函数，该函数基本上只接受数据集x，比例参数gamma和矢量参数beta，因此返回拟合的概率。下面是我在R中的代码：

tp_predict<-function(x,gamma,beta){
  n<-nrows(x)
  x<-as.matrix(cbind(1,x))
  vec<-x%*%beta
  In<-vec<0
  Ip<-!vec<0
  vecN<-vec[In]
  vecP<-vec[Ip]
  fitted<-vector(,n)
  t<-tanh(gamma)
  b<-t+1
  a<-1-t
  fitted[In]<-b/(exp(-vecN/b)+1)
  fitted[Ip]<-a/(exp(-vecP/a)+1)+t
  fitted<-as.vector(fitted)
  return(fitted)
}

在Rcpp中：

arma::vec tp_predict_c(arma::mat x,double gamma,arma::vec beta){
  int n = x.n_rows;
  arma::vec one(n,fill::ones);
  arma::mat xx=join_rows(one,x);
  arma::vec v = xx * beta;
  arma::uvec In = find (v<0);
  arma::uvec Ip = find (v>=0); 
  arma::vec vecN = v.elem(In);
  arma::vec vecP = v.elem(Ip);
  double t = tanh(gamma);
  double a = 1-t;
  double b = 1+t;
  arma::vec fitted(n);
  fitted.elem(In)=b/(exp(-vecN/b)+1);
  fitted.elem(Ip)=a/(exp(-vecP/a)+1)+t;
  
  return fitted;
}

使用rmvnorm（）从多重正态分布生成测试数据x。在低尺寸（10列）和小数据量（1000行）中，Rcpp代码比R代码更好地工作

Unit: microseconds
                           expr  min    lq    mean median    uq     max neval
   tp_predict(x = X,0.3,Beta) 62.1 63.85 173.640   65.5 66.85 10868.9   100
 tp_predict_c(x = X,Beta) 30.7 31.15  40.714   31.9 32.75   781.6   100

但是如果我将大小增加到100000（尺寸仍为10），则Rcpp代码会比R慢：

Unit: milliseconds
                           expr    min      lq     mean  median     uq      max neval
   tp_predict(x = X,Beta) 5.8967 6.15060 8.477195 6.21560 6.7766 131.9571   100
 tp_predict_c(x = X,Beta) 8.6547 8.82975 9.102348 9.01935 9.2005  12.6010   100

如果我将尺寸增加到100，尺寸仍然保持1000，Rcpp函数的效果就不如低尺寸：

Unit: microseconds
                           expr   min    lq    mean median    uq   max neval
   tp_predict(x = X,Beta) 188.7 197.0 204.745 201.85 206.5 280.5   100
 tp_predict_c(x = X,Beta) 166.1 171.1 189.729 181.20 189.9 511.0   100

当尺寸和尺寸增加时，Rcpp函数的cpu时间缩放似乎比R更快。我是Rcpp的新手，我只是将R代码直接翻译为Rcpp。我不确定我是否做了一些愚蠢的事情，也不知道为什么会这样。有什么我可以解决的吗？

解决方法

您的代码正在将给定的向量和矩阵在入口处复制到tp_predict_c()函数，这效率低下并且不是必需的。

默认情况下，C ++会按“按值”传递对象，这意味着“复制此对象”。您需要通过“按引用”传递每个对象来告诉编译器避免复制。

要通过引用传递，只需将函数的定义更改为：

arma::vec tp_predict_c(const arma::mat& x,double gamma,const arma::vec& beta)

请注意const和&中的const arma::mat&关键字和const arma::vec&字符。

const告诉编译器该对象不会被修改，而&告诉编译器通过引用传递。两者都允许进行额外的优化。