我正在将 MATLAB 脚本转换为 R，但到目前为止我很后悔，因为它目前速度较慢。我尝试尽可能多地使用“向量化函数”，但我对 R 比较陌生，不知道这是什么意思。根据我的研究，如果使用大量运算符（包括括号），for 循环只会比 R 中的 apply() 方法慢。否则，我不知道 R 可以做些什么来进一步减慢速度。这是我想要加速的有效代码。
somPEs <- 9;
inputPEs <- 6;
initial_w <- matrix(1, nrow=somPEs, ncol=inputPEs)
w <- apply(initial_w, 1, function(i) runif(i));
# Reshape w to a 3D matrix of dimension: c(sqrt(somPEs), sqrt(somPEs), inputPEs)
nw <- array(0, dim=c(sqrt(somPEs), sqrt(somPEs), inputPEs))
for (i in 1:inputPEs) {
nw[,,i] <- matrix(w[i,], nrow=sqrt(somPEs), ncol=sqrt(somPEs), byrow=TRUE)
}
w <- nw;
在 MATLAB 中，此代码由名为“reshape”的内置函数执行，如下所示：
w = reshape(w,[sqrt(somPEs) sqrt(somPEs) inputPEs]);
我对当前的 R 代码进行了计时，它实际上非常快，但为了可读性，我仍然想了解矢量化以及如何将我的代码转换为 apply() 。
user system elapsed
0.003 0.000 0.002
第一步是将数组
w6x93x3x6neww <- t(w)
dim(neww) <- c(sqrt(somPEs), sqrt(somPEs), inputPEs)
这几乎就是我们想要的，只不过前两个维度被翻转了。您可以使用
apermneww <- aperm(neww, c(2, 1, 3))
这应该比循环遍历矩阵并逐行单独复制数据要快得多。为了了解这一点，让我们看一个具有 10,000 行和 100 列的更大示例（将映射到 10x10x10k 矩阵）：
josilber <- function(w) {
neww <- t(w)
dim(neww) <- c(sqrt(dim(w)[2]), sqrt(dim(w)[2]), dim(w)[1])
aperm(neww, c(2, 1, 3))
}
OP <- function(w) {
nw <- array(0, dim=c(sqrt(dim(w)[2]), sqrt(dim(w)[2]), dim(w)[1]))
for (i in 1:(dim(w)[1])) {
nw[,,i] <- matrix(w[i,], nrow=sqrt(dim(w)[2]), ncol=sqrt(dim(w)[2]), byrow=TRUE)
}
nw
}
bigw <- matrix(runif(1000000), nrow=10000, ncol=100)
all.equal(josilber(bigw), OP(bigw))
# [1] TRUE
microbenchmark(josilber(bigw), OP(bigw))
# Unit: milliseconds
# expr min lq mean median uq max neval
# josilber(bigw) 8.483245 9.08430 14.46876 9.431534 11.76744 135.7204 100
# OP(bigw) 83.379053 97.07395 133.86606 117.223236 129.28317 1553.4381 100
使用
tdimaperm我没有测试速度，但你可以尝试一下
nw1 <- aperm(`dim<-`(t(w), list(3, 3, 6)), c(2, 1, 3))
> nw1
, , 1
[,1] [,2] [,3]
[1,] 0.8257185 0.5475478 0.4157915
[2,] 0.8436991 0.3310513 0.1546463
[3,] 0.1794918 0.1836032 0.2675192
, , 2
[,1] [,2] [,3]
[1,] 0.6914582 0.1674163 0.2921129
[2,] 0.2558240 0.4269716 0.7335542
[3,] 0.6416367 0.8771934 0.6553210
, , 3
[,1] [,2] [,3]
[1,] 0.9761232 0.05223183 0.6651574
[2,] 0.5740032 0.80621864 0.2295017
[3,] 0.1138926 0.76009870 0.6932736
, , 4
[,1] [,2] [,3]
[1,] 0.437871558 0.5172516 0.1145181
[2,] 0.006923583 0.3235762 0.3751655
[3,] 0.823235642 0.4586850 0.6013853
, , 5
[,1] [,2] [,3]
[1,] 0.7425735 0.1665975 0.8659373
[2,] 0.1418979 0.1878132 0.2357267
[3,] 0.6963537 0.5391961 0.1112467
, , 6
[,1] [,2] [,3]
[1,] 0.7246276 0.02896792 0.04692648
[2,] 0.7563403 0.22027518 0.41138672
[3,] 0.8303413 0.31908307 0.25180560
为什么不直接使用
array()somPEs <- 9
inputPEs <- 6
w <- matrix(rnorm(somPEs*inputPEs), nrow=somPEs, ncol=inputPEs)
w
#> [,1] [,2] [,3] [,4] [,5] [,6]
#> [1,] 0.781139046 0.009672953 -0.5457179 1.7150008 -0.9694289 0.20372149
#> [2,] -1.143725888 -1.188597323 -0.6131516 0.1240463 1.6653479 0.92304619
#> [3,] 0.005797624 -0.795521816 -0.3360094 0.3578852 0.9193485 0.14380867
#> [4,] -0.747908833 -0.456375025 -0.3896752 0.5539691 -1.1029344 -0.70929883
#> [5,] -0.789205038 -1.418077386 1.4721101 0.6127520 -0.4742705 0.08470037
#> [6,] -0.057106439 -0.112531322 -0.3436132 0.3480150 -0.3856746 -0.63150498
#> [7,] -0.135470040 -2.282978444 0.3586637 -0.0773639 -0.7468404 0.13561098
#> [8,] -0.156641966 0.339490305 2.0096249 0.1248149 -0.4547921 -0.07860635
#> [9,] 0.065463091 -0.075989164 -2.6767654 -0.2690637 -0.7618482 -1.08372401
nw <- array(w, c(sqrt(somPEs), sqrt(somPEs), inputPEs))
nw
#> , , 1
#>
#> [,1] [,2] [,3]
#> [1,] 0.781139046 -0.74790883 -0.13547004
#> [2,] -1.143725888 -0.78920504 -0.15664197
#> [3,] 0.005797624 -0.05710644 0.06546309
#>
#> , , 2
#>
#> [,1] [,2] [,3]
#> [1,] 0.009672953 -0.4563750 -2.28297844
#> [2,] -1.188597323 -1.4180774 0.33949030
#> [3,] -0.795521816 -0.1125313 -0.07598916
#>
#> , , 3
#>
#> [,1] [,2] [,3]
#> [1,] -0.5457179 -0.3896752 0.3586637
#> [2,] -0.6131516 1.4721101 2.0096249
#> [3,] -0.3360094 -0.3436132 -2.6767654
#>
#> , , 4
#>
#> [,1] [,2] [,3]
#> [1,] 1.7150008 0.5539691 -0.0773639
#> [2,] 0.1240463 0.6127520 0.1248149
#> [3,] 0.3578852 0.3480150 -0.2690637
#>
#> , , 5
#>
#> [,1] [,2] [,3]
#> [1,] -0.9694289 -1.1029344 -0.7468404
#> [2,] 1.6653479 -0.4742705 -0.4547921
#> [3,] 0.9193485 -0.3856746 -0.7618482
#>
#> , , 6
#>
#> [,1] [,2] [,3]
#> [1,] 0.2037215 -0.70929883 0.13561098
#> [2,] 0.9230462 0.08470037 -0.07860635
#> [3,] 0.1438087 -0.63150498 -1.08372401
创建于 2024-09-20，使用 reprex v2.1.0