加速R，矢量化运算与并行运算.pptVIP

加速R，向量化与并行计算 从Matlab到R ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? * 阿稳（wentrue） 算法攻城师@Douban R的困境 解决方案？ 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. 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 … 为什么要这样做？ map-reduce ? 算法设计范型：向量化 我已经做了向量化转换了，它还是慢！！！ 那… 把它并行了吧 向量化是并行计算天然的先驱 我们的选择 关于snowfall的一个试验 优化之路任重而道远 终极原则：过早的优化是魔鬼 Q A 谢谢收听！ 更多： /blog/?p=945 /blog/?tag=r /people/wentrue/ 应用场景决定知识储备 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 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 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 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 常见而简单，事实上我们经常接触到，只是没有过多注意 可供选择的包及我们的选择 高性能计算task：/web/views/HighPerformanceComputing.html （写扩展、并行计算） 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 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。 * * * 应用场景决定知识储备