Différence de performances entre RcppArmadillo et Armadillo

Question

J'essaie de comprendre une différence de performances entre une fonction écrite en RcppArmadillo et une fonction écrite dans un programme C++ autonome utilisant la bibliothèque Armadillo.Par exemple, considérons la fonction simple suivante qui calcule les coefficients d'un modèle linéaire à l'aide de la formule traditionnelle du manuel.

// [[Rcpp::depends(RcppArmadillo)]]
#include <RcppArmadillo.h>

using namespace Rcpp;
using namespace arma;

// [[Rcpp::export]]
void simpleLm(NumericMatrix Xr, NumericMatrix yr) {
   int n = Xr.nrow(), k = Xr.ncol();
   mat X(Xr.begin(), n, k, false);
   colvec y(yr.begin(), yr.nrow(), false);

   colvec coef = inv(X.t()*X)*X.t()*y;
}

Cela prend environ 6 secondes pour s'exécuter avec un 1000000x100 matrice pour X.Certains timings dans le code (non représentés) indiquaient que tout le temps était passé sur le coef calcul.

X <- matrix(rnorm(1000000*100), ncol=100)
y <- matrix(rep(1, 1000000))
system.time(simpleLm(X,y))

 user  system elapsed 
  6.028   0.009   6.040

Considérons maintenant une fonction très similaire écrite en C++ qui est ensuite compilée avec g++.

#include <iostream>
#include <armadillo>
#include <chrono>
#include <cstdlib>

using namespace std;
using namespace arma;

int main(int argc, char **argv) {
    int n = 1000000;
    mat X = randu<mat>(n,100);
    vec y = ones<vec>(n);

    chrono::steady_clock::time_point start = chrono::steady_clock::now();

    colvec coef = inv(X.t()*X)*X.t()*y;

    chrono::steady_clock::time_point end = chrono::steady_clock::now();

    chrono::duration<double, milli> diff = end - start;

    cout << diff.count() << endl;

    return 0;
}

Ici le calcul du coef La variable ne prend qu'environ 0,5 seconde, soit seulement 1/12 du temps comme avec RcppArmadillo.

J'utilise Mac OS X 10.9.2 avec R 3.1.0, Rcpp 0.11.1 et RcppArmadillo 0.4.200.0.J'ai compilé l'exemple Rcpp en utilisant la fonction sourceCpp.L'exemple C++ autonome utilise Armadillo 4.200.0 et j'ai également installé le compilateur Fortran pour Mac à l'aide de Homebrew (brew install gfortran).

Answer 1

Devinez rapidement :votre programme natif utilise BLAS accéléré, votre build R ne le fait pas.

Les "mathématiques matricielles" actuelles sont confiées par Armadillo à la bibliothèque BLAS.Avec RcppArmadillo, vous obtenez ce contre quoi R est construit.Avec un programme natif, vous utilisez peut-être autre chose.Cela pourrait être aussi simple que votre programme utilise les bibliothèques Accelerate alors que R ne le fait pas - je ne sais pas vraiment car je n'utilise pas OS X.

Mais pour démontrer, sur ma machine (i7, Linux), les temps sont presque identiques.

Tout d'abord, votre programme, inchangé :

edd@max:/tmp$ g++ -std=c++11 -O3 -o abiel abiel.cpp -larmadillo -llapack
edd@max:/tmp$ ./abiel 
2454
edd@max:/tmp$ 

Deuxièmement, votre programme enveloppé dans quelque chose que R peut appeler (voir ci-dessous) :

R> library(Rcpp)
R> sourceCpp("/tmp/abielviaR.cpp")
R> abielDemo()
2354.41
[1] TRUE
R> 

À peu près pareil.

Le code de abielviaR.cpp suit.

#include <RcppArmadillo.h>
#include <chrono>

using namespace std;
using namespace arma;

// [[Rcpp::plugins(cpp11)]]
// [[Rcpp::depends(RcppArmadillo)]]
// [[Rcpp::export]]
bool abielDemo() {
    int n = 1000000;
    mat X = randu<mat>(n,100);
    vec y = ones<vec>(n);

    chrono::steady_clock::time_point start = chrono::steady_clock::now();
    colvec coef = inv(X.t()*X)*X.t()*y;
    chrono::steady_clock::time_point end = chrono::steady_clock::now();
    chrono::duration<double, milli> diff = end - start;
    Rcpp::Rcout << diff.count() << endl;

    return true;
}

PS Vous ne devriez vraiment pas calculer OLS via (X'X)^(-1) X.