Recommandé
Recommandé
Contenu connexe
En vedette
En vedette (20)
R的向量化与并行计算
- 1. 加速 R ，向量化与并行计算 阿稳（ wentrue ） 算法攻城师 @Douban
- 2. 从 Matlab 到 R
- 3. R 的困境
- 4. 解决方案？
- 5. Vectorization is the more limited process of converting a computer program from a scalar implementation, which processes a single pair of operands at a time, to a vector implementation which processes one operation on multiple pairs of operands at once. The term comes from the convention of putting operands into vectors or arrays.
- 6. 向量化 @R 向量取值： V[1:10] 向量赋值： V[1:10] <- seq(1,10) apply 系列： apply(A, 1, mean) 矩阵运算： A + B ； A %*% B …
- 7. 为什么要这样做？
- 8. map-reduce ?
- 9. 算法设计范型：向量化
- 11. 那… 把它并行了吧 向量化是并行计算天然的先驱
- 12. 我们的选择
- 13. 关于 snowfall 的一个试验
- 14. 优化之路任重而道远
- 15. 终极原则：过早的优化是魔鬼
- 16. Q & A 谢谢收听！ 更多： http://www.wentrue.net/blog/?tag=r http:// www.douban.com/people/wentrue /
Notes de l'éditeur
- 应用场景决定知识储备
- 初识向量化，从 matlab 转到 R 的因缘。数据挖掘、算法人员的绝佳助手
- 很慢的循环速度，跟 matlab 一样的面向科学计算目的，并不直接适用于工程应用
- 出路跟 matlab 一致，有一失必其要有一得，总有一扇窗户通向你所要去的地方。 原生的支持：向量运算
- 出路跟 matlab 一致，有一失必其要有一得，总有一扇窗户通向你所要去的地方。高性能计算 task ： http://cran.r-project.org/web/views/HighPerformanceComputing.html （写扩展、并行计算） 原生的支持：向量运算
- 常见而简单，事实上我们经常接触到，只是没有过多注意
- 硬件支持（如果 intel mmx ），软件上的支持（ blas ） 演示 blas 对矩阵相乘的并行支持 向量化也是现代大型计算机的基本特点，因为易于并行计算
- Map-reduce 简介。类比： Apply 相当于 map ，矢量 / 矩阵运算相当于 reduce
- 原因：向量化后的算法具有天然的可并行性，这类算法的可扩展性很好 实战案例：稀疏矩阵不同行的各元素减去某个值。 Action2.R
- 可供选择的包及我们的选择 高性能计算 task ： http://cran.r-project.org/web/views/HighPerformanceComputing.html （写扩展、并行计算）
- Action3.R Apply ：非计算密集时跟 for 差不多，因为瓶颈在分割 snowfall 注意其适用环境：各子线程是计算密集型的
- R 的优势在于 package 众多，弊病则在于 package 的良莠不全。所谓成也萧何，败也萧何。很多包是基于研究目的而设计，实现没有过多考虑性能问题，有些甚至有 BUG 。可喜的是都是开源的，发现问题可以自己加以改进。