大佬教程收集整理的这篇文章主要介绍了并行处理——R 中的 Foraech 和 for 循环,大佬教程大佬觉得挺不错的,现在分享给大家,也给大家做个参考。
我想制作一个矩阵,我将制作过程放在下面。但是花了这么多时间。 有没有其他方法可以使用 foreach 和并行处理更快地获得相同的结果?
"""
library("foreach")
library("doparallel")
lambdas=seq(0.01,7,by = 0.01)
cl <- makeCluster(2) # create a cluster with 2 cores
registerdoparallel(cl) # register the cluster
nlambdas <-foreach(i = 1:1,.inorder=falSE,.combine = 'cbind',.multicombine=TRUE,.packages = "quantreg") %dopar% {
first<-rep()
second<-rep()
third<-rep()
fourth<-rep()
for (m in 1:700) {
for (j in 1:700) {
for (n in 1:700) {
for (k in 1:700) {
first<-rbind(first,lambdas[m])
second<-rbind(second,lambdas[j])
third<-rbind(third,lambdas[n])
fourth<-rbind(fourth,lambdas[k])
}
}
}
}
lambda_@R_786_10586@l<-cbind(first,second,third,fourth)
}
stopCluster(cl)
"""
您不需要并行处理,您只需要一个复杂度小于 (O**4) 且运算速度较慢的算法来组合此矩阵。
通过对四个向量进行重复排序,可以轻松构建相同的矩阵。但是,在您的情况下,有 700**4= 2.4e+11 个元素,这可能需要一些时间。
我仅使用向量 lambdas
中的 7 个不同值(总共 2401 个元素)来说明算法。
nsteps = 7
lambdas = seq(0.01,7,(7/nsteps))
h = rep(lambdas,nsteps**3)
i = rep(lambdas,nsteps**3)
j = rep(lambdas,nsteps**3)
k = rep(lambdas,nsteps**3)
ordering = order(k)
k = k[ordering]
k = k[ordering]
k = k[ordering]
k = k[ordering]
j = j[ordering]
j = j[ordering]
j = j[ordering]
i = I[ordering]
i = I[ordering]
h = h[ordering]
lambdas.@R_786_10586@l = cbind(first=h,second=i,third=j,fourth=k)
如果您的内存足够大,可以对长度>10**10 的向量进行排序,那么您可以立即对 lambda 执行 700 步。 不需要任何 for 循环。
以上是大佬教程为你收集整理的并行处理——R 中的 Foraech 和 for 循环全部内容,希望文章能够帮你解决并行处理——R 中的 Foraech 和 for 循环所遇到的程序开发问题。
如果觉得大佬教程网站内容还不错,欢迎将大佬教程推荐给程序员好友。
本图文内容来源于网友网络收集整理提供,作为学习参考使用,版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ:384754419,请注明来意。