c++ - R矩阵到 Armadillo 的转换真的很慢

观察

对于中等大小的矩阵，对于arma::mat类型，将矩阵从R传递到C++的开销比NumericMatrix类型要慢得多。就像拍摄250倍左右的镜头一样。这是一个最小的例子

#include <RcppArmadillo.h>
// [[Rcpp::depends(RcppArmadillo)]]
using namespace Rcpp;
using namespace arma;

// [[Rcpp::export]]
double test_nm( NumericMatrix X ) {
  return 0.0 ;
}

// [[Rcpp::export]]
double test_arma( mat X ) {
  return 0.0 ;
}

// [[Rcpp::export]]
double test_nm_conv( NumericMatrix X ) {
  mat X_arma = as<mat>( X ) ;
  return 0.0 ;
}

然后，在R中:

XX <- matrix( runif( 10000 ), 2000, 50 )
microbenchmark( test_nm( XX ), test_arma( XX ), ( XX ) )

Unit: microseconds
               expr      min       lq      mean   median       uq      max neval
        test_nm(XX)    5.541   16.154   16.0781   17.577   18.876   48.024   100
      test_arma(XX) 1280.946 1337.706 1404.0824 1361.237 1389.476 3385.868   100
   test_nm_conv(XX) 1277.417 1338.835 1393.4888 1358.128 1386.101 4355.533   100

因此，仅将矩阵作为arma::mat类型传递比NumericMatrix慢约250倍。太疯狂了!所以...

出现的问题

发生了什么事？为什么mat比NumericMatrix慢得多？

是否有解决此问题的好方法？我有一个问题，我需要在一个被调用很多次的函数中使用arma::mat来处理一些相当简单的矩阵代数。我目前在整个过程中都使用arma类型，并且我的代码比我预期的要慢得多(这就是我最终编写上述愚蠢示例的方式)。 250倍的速度损失是如此之大，以至于我要重写大部分代码以在整个过程中使用NumericMatrix类型。实际上，我可能最终会为NumericMatrix和完全放弃arma类型编写自己的矩阵乘法函数。但是在我这样做之前，还有更好的解决方案吗？

(尽管我猜想另一种阅读方式不是arma::mat从R类型转换的速度很慢，而是NumericMatrix类型非常有效!)

最佳答案

我相信这会创建一个新的 Armadillo 矩阵，然后复制您的数字矩阵的内容。

要将NumericMatrix强制转换为arma::mat类型，应使用以下命令:

// [[Rcpp::export]]
double test_const_arma( const mat& X ) {
  return 0.0 ;
}

我的机器上的速度比较:

microbenchmark( test_const_arma( XX ), test_nm( XX ), test_arma( XX ), test_nm_conv( XX ))
## Unit: microseconds
##                 expr    min     lq     mean  median      uq     max neval
##  test_const_arma(XX)  1.852  2.381  3.69014  2.7885  4.3490  11.994   100
##          test_nm(XX)  1.925  2.455  3.47679  2.8535  3.5195  21.222   100
##        test_arma(XX) 68.593 71.212 83.63055 73.4555 98.8070 278.981   100
##     test_nm_conv(XX) 68.700 70.983 80.55983 73.1705 82.2665 183.484   100

关于c++ - R矩阵到 Armadillo 的转换真的很慢，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/31691130/