請看看是否有辦法讓以下在 R 中運行得更快，大部分時間都花在 qbeta 上
numSim <- 1000
numDay <- 365*4
dailyFreq <- 288
maximumVolume <- 15
alphaParam <- 20
betaParam <- 30
t0 = Sys.time()
randomNumber <- matrix(runif(numSim * numDay * dailyFreq), ncol = numSim, byrow = FALSE)
t1 = Sys.time()
t1 - t0
effect <- qbeta(randomNumber, alphaParam, betaParam) * maximumVolume
Sys.time() - t1
uj5u.com熱心網友回復：
正如@Roland 所建議的，一個可能的解決方案是拆分 randomNumber 并并行運行該函式。我是庫“future.apply”的粉絲，所以我用它實作了一個解決方案。另外，我不太喜歡 Sys.time() 測量運行時間的方法，當使用像 Rstudio 這樣的介面時，它可能會產生錯誤。所以我用另一種方法來找到函式的運行時間。
請注意，我還將變數“numSim”從 1000 更改為 50 以進行快速測驗。
library(future.apply)
numSim <- 50
numDay <- 365*4
dailyFreq <- 288
maximumVolume <- 15
alphaParam <- 20
betaParam <- 30
randomNumber <- matrix(runif(numSim * numDay * dailyFreq), ncol = numSim, byrow = FALSE)
system.time(effect1 <- qbeta(randomNumber, alphaParam, betaParam) * maximumVolume)
這給出了：
user system elapsed
60.077 0.103 60.271
然后是帶有 future_apply 的并行版本：
plan(multisession)
system.time(effect<-future_apply(randomNumber, 2, function(x, alphaParam, betaParam, maximumVolume){
return(qbeta(x, alphaParam, betaParam)*maximumVolume)
}, alphaParam=alphaParam, betaParam=betaParam, maximumVolume=maximumVolume ) )
這給出了：
user system elapsed
2.467 0.556 22.361
uj5u.com熱心網友回復：
將runif值傳遞給qbeta只是提供隨機的 beta 變數（其中 4.2e8）。你可以使用rbeta：
effect1 <- matrix(rbeta(numSim*numDay*dailyFreq, alphaParam, betaParam)*maximumVolume, ncol = numSim)
它在我的機器上快了大約 14 倍：
library(microbenchmark)
numSim <- 10
numDay <- 365*4
dailyFreq <- 288
maximumVolume <- 15
alphaParam <- 20
betaParam <- 30
f1 <- function() {
randomNumber <- matrix(runif(numSim * numDay * dailyFreq), ncol = numSim, byrow = FALSE)
return(qbeta(randomNumber, alphaParam, betaParam)*maximumVolume)
}
f2 <- function() {
return(matrix(rbeta(numSim*numDay*dailyFreq, alphaParam, betaParam)*maximumVolume, ncol = numSim))
}
microbenchmark(f1(), f2(), times = 10)
> microbenchmark(f1(), f2(), times = 10)
Unit: milliseconds
expr min lq mean median uq max neval
f1() 10630.2050 11207.2655 11236.32 11290.4811 11371.5236 11526.125 10
f2() 764.2666 795.6046 803.63 802.5437 814.4193 839.147 10
更新：future.apply按照 Fabrizio 的建議使用這種方法可以將運行時間從原始代碼減少約 25 倍，包括設定多會話的時間：
library(future.apply)
numSim <- 1000
f3 <- function() {
plan(multisession)
return(matrix(future_replicate(numSim, rbeta(numDay*dailyFreq, alphaParam, betaParam)*maximumVolume), ncol = numSim))
}
microbenchmark(f2(), f3(), times = 1)
> microbenchmark(f2(), f3(), times = 1)
Unit: seconds
expr min lq mean median uq max neval
f2() 81.57298 81.57298 81.57298 81.57298 81.57298 81.57298 1
f3() 44.93711 44.93711 44.93711 44.93711 44.93711 44.93711 1
轉載請註明出處，本文鏈接：https://www.uj5u.com/net/324576.html
下一篇：通過識別函式的瓶頸來改進速度函式