网站管理系统设置,工信部网站备案查询 验证码,亚马逊网站首页,视觉传达设计考研Python作为多线程的编程语言在并行方面相对于R语言有很大的优势#xff0c;然而作为占据统计分析一席之地的R语言自然不能没有并行计算的助力。那么我们来看下在R语言中有哪些并行的包#xff1a;隐式并行#xff1a;OpenBLAS#xff0c;Intel MKL#xff0c;NVIDIA cuBLA… Python作为多线程的编程语言在并行方面相对于R语言有很大的优势然而作为占据统计分析一席之地的R语言自然不能没有并行计算的助力。那么我们来看下在R语言中有哪些并行的包隐式并行OpenBLASIntel MKLNVIDIA cuBLAS等显性并行parallel(主打lapply应用)、foreach(主打for循环)、SupR、还有利用GPU的办法(gpuR)。所谓显式并行也就是基于并行的编程语言编译的程序隐式并行是基于串行程序编译的并行计算。当然在R语言核心功能中也是带有了相关的并行的计算基础包parallel。今天就给大家介绍下这个基础并行包的具体应用。我们不需要再安装这个包可以直接进行相关的计算。首先我们看下里面的几个核心的函数1. detectCores() 发现PC终端有多少个核。所谓核就是CPU的性能体现越多越好。实例library(parallel)cl.cores #发现可用核数2. makeCluster() 初始化我们需要用到的核数。其中type参数有两种PSOCK适用所有操作系统FORK适用unix/max实现内存共享以及节省内存。实例cl cl.cores, 2),typePSOCK)3. clusterExport() 将变量载入并行的环境中。实例xx1:10clusterExport(cl, xx)#读入变量数据4. clusterEvalQ(,{code}) 将包或者代码直接载入并行环境。实例clusterEvalQ(cl,{library(ggplot2);xy1:10})clusterCall(cl, function(y) xy y, 2:10)5. clusterCall() 在并行环境中一次运行过程在各节点的值。clusterMap便可以直接运行所用的值并以列表形式展示所有结果。实例clusterCall(cl, function(y) xx y, 210)clusterMap(cl,function(y) xx y,2:10)6. parLapply(), parSapply(), 和 parApply() 和函数 lapply, sapply 及 apply一一对应。可以直接将自定义的函数引入并行环境。实例parSapply(cl,2:10, function(y) xx y)7. clusterApply() 类似parLapply 系列可以直接运行得到所有结果输出列表格式。clusterApplyLB()便是对其的优化具体的优化模式我们就不赘述了。实例clusterApply(cl,2:10, function(y) xx y)8. do.call() 针对某个数据集执行指定的函数功能。实例resclusterApply(cl,2:10, function(y) xx y)do.call(rbind,res)9. stopCluster() 关闭集群。实例stopCluster(cl)以上便是parallel包的全部功能函数其实并行真正解决的是重复性工作的情况在P值的计算中应用比较广泛。然而对于递归计算需要一定的优化才能使用并行计算不然不一定有单机的效率高。欢迎互相学习交流
