Rcpp/RcppArmadillo C++/R баланс для производительности

Question

Когда я тестирую небольшие куски кода/функции, написанные на RcppArmadillo, я вижу иногда невероятное (55x против R для вложенных циклов в простых операциях) до скромного (1.3x против R в течение длительного времени функции). Впечатленный этим, я решил перевести около 400 строк кода, чтобы создать одну C++-функцию (с некоторыми небольшими соседними функциями C++), чтобы заменить интенсивно вычислительный массив моего приложения R.

Старые результаты: Код RcppArmadillo работает ~ 3 раза медленнее, чем исходный R (обновление - возможно, плохой бенчмарк - работает над ним). Гибридный RcppArmadillo & R варианта коды работает ~ 1.10 раз быстрее, чем R.

Обновления/Уроки: C++ интенсивного код выполняется ~ 6x быстрее, чем гибридный код R & C++. Для всех прохожих ошибки, которые я сделал, следующие:

• Я не учитывал переменную экземпляра в своем R-контролере (несправедливое сравнение).
• Неверные вычисления внутри вложенного цикла C++. В варианте R они были вне указанной петли (включая большой FFT и т. Д.). Человеческая ошибка.
• Передано большое количество параметров функции (большие векторы, матрицы, с литьем и т. Д.). Решил это, портируя больше кода.
• Я не работал с памятью эффективно. Вместо того, чтобы просто использовать их, делались дополнительные копии. Эти копии способствовали читабельности, но, вероятно, повредили производительность. Легко исправить.
• Использование глобальных переменных для уменьшения функции, проходящей над головой, и удаления нескольких крупных временных векторов из некоторых вычислений (векторный размер: 2^15).

Edit (извините за разрывами с первым комментарием на этот пост) Старые вопросы:

• Является ли глобальная переменная экземпляра/предварительное распределение памяти рекомендуется в кодовом пространстве RcppArmadillo, чтобы спасти от многих переменных деклараций в корпусе функции/сборщик мусора? Или Rcpp обрабатывает их так же своевременно, как R?
• Правильно ли я полагаю, что Rcpp теряет определенную производительность из-за сопряжения с R (защитные переменные, сбор мусора и т. Д.)? Если да, где я могу найти код (имя файла)/документацию, где эти операции обрабатываются, чтобы я мог научиться работать с ним лучше.

Любой практический совет оценен. Прошу прощения за неопределенный вопрос: я новичок в SO, новичок в пакете RcppArmadillo, и не написал C++ через 10 лет.

Answer 1

Код RcppArmadillo работает ~ 3x медленнее, чем родной R. Гибридный RcppArmadillo & R вариант кода работает ~ 1,10 раза быстрее, чем R.

Вы должны копировать много. Это просто не правдоподобно. Может быть, время для профайла вашего кода?

Принимаем любой размещен пример. Возможно, из галереи Rcpp, которая имеет несколько сообщений. Возможно, из 250 (!!) пакетов CRAN с использованием RcppArmadillo. Начните с чего-то простого, и время это.

Вы должны увидеть коэффициент ~ 50x для циклов, преобразованных из R в C++. Вы должны увидеть что-то близкое, возможно, в 1,5 раза быстрее для чисто векторизованного кода (поскольку R, как правило, делает больше ошибок, проверяя этот код, который мы пишем в небольших расширениях).

Edit: Вот тривиальных тест, показывающий, как тривиальное это установить один. Вы действительно можете (и должны!) Время все части, которые вы подозреваете, неэффективны. Мы все делаем ошибки, как в дизайне, так и в исполнении. Хорошо, что у вас есть как инструменты , так и множество размещенных примеров, которые помогут вам.

R> Rfunc <- function(N) { s <- 0; for (i in 1:N) for (j in 1:N) s <- s+1; s } 
R> Rfunc(10) 
[1] 100 
R> 
R> library(Rcpp) 
R> cppFunction("double Cppfunc(int N) { double s=0; for (int i=0; i<N; i++) for (int j=0; j<N; j++) s++; return(s); }") 
R> Cppfunc(10) 
[1] 100 
R> 
R> library(rbenchmark) 
R> N <- 1000 
R> benchmark(Rfunc(N), Cppfunc(N), order="relative")[,1:4] 
     test replications elapsed relative 
2 Cppfunc(N)   100 0.073 1.000 
1 Rfunc(N)   100 12.596 172.548 
R>