Differenza di prestazione tra RCPPARMADILLO e ARMADILLO

Question

Sto cercando di capire una differenza nelle prestazioni tra una funzione scritta in RCPParmadillo e uno scritto in un programma standalone C ++ utilizzando la Biblioteca Armadillo. Ad esempio, considerare la seguente funzione semplice che calcola i coefficienti per un modello lineare utilizzando la formula del libro di testo tradizionale.

// [[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;
}

.

Ci vogliono circa 6 secondi per eseguire con una matrice 1000000x100 per X. Alcuni tempi nel codice (non mostrati) indicano che tutto il tempo viene speso sul calcolo coef.

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

.

Ora considera una funzione molto simile scritta in C ++ che viene quindi compilata con 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;
}

.

Qui il calcolo della variabile coef richiede solo circa 0,5 secondi o solo 1/12 del tempo come quando è stato eseguito con RCPPARMADILLO.

Sto usando Mac OS X 10.9.2 con R 3.1.0, RCPP 0.11.1 e RCPPARMADILLO 0.4.200.0. Ho compilato l'esempio RCPP usando la funzione SourceCPP. L'esempio standalone C ++ utilizza Armadillo 4.200.0 e ho anche installato il compilatore Fortran per Mac utilizzando homebrew (brew install gfortran).

Answer 1

GUSPIO Quick: il tuo programma nativo utilizza Blas accelerato, puoi costruire.

L'effettiva "Mattrix Math" è stata coltivata da Armadillo alla Blas Bliss.Con RCPParmadillo, ottieni ciò che è costruito contro.Con un programma nativo, forse usi qualcos'altro.Potrebbe essere semplice come il tuo programma per utilizzare le librerie accelerate mentre r not no - non so davvero come non uso OS X.

Ma per dimostrare, sulla mia macchina (I7, Linux), i tempi sono quasi identici.

Primo, il tuo programma, inalterato:

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

.

In secondo luogo, il tuo programma avvolto in qualcosa di R può chiamare (vedi sotto):

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

.

circa lo stesso.

Il codice di abielviaR.cpp segue.

#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 Non dovresti davvero calcolare OLS VIA (X'X) ^ (- 1) X però.