c++ - 如何优化Rcpp函数(调用另一个R函数)

Question

我正在解决以下问题:给定两个 vector x，y和一个 vector 化函数f。我想为x0的每个元素x计算f(x_0 - y)的平均值。
我已经像这样在R中实现了该功能

sol <- function(x, y, f) {
  ret <- numeric(length(x))
  for (y0 in y) {
    ret <- ret + f(x - y0)
  }
  ret/length(y)
}

我们可以使用类似 sol(1:100, 1:100, exp)的函数。由于此功能是代码的关键部分，因此我想对其进行优化。 x的长度在(1-100,000)范围内， y的范围在(1-1,000)范围内。我尝试像这样使用Rcpp

library(Rcpp)

cppFunction('NumericVector cppEval(NumericVector x, NumericVector y, Function f) {
  int num_y = y.size();
  
  NumericVector out(x.size());
  for(int i = 0; i < num_y; ++i) {
    out += Rcpp::as<NumericVector>(f(x - y[i]));
  }
  
  return out/num_y;
}')

遗憾的是，这段代码比R等效代码慢得多。我该怎么做才能有效地在此处编写Cpp？我不知道如何完全摆脱循环。

microbenchmark::microbenchmark(sol(1:100, 1:100, exp), cppEval(1:100, 1:100, exp))
Unit: microseconds
                       expr      min       lq      mean    median        uq       max neval
     sol(1:100, 1:100, exp)  157.572  178.336  244.4421  210.4775  221.7085  4199.367   100
 cppEval(1:100, 1:100, exp) 1451.395 1628.367 1829.2443 1697.7480 1794.4390 12868.237   100

Answer 1

从R导出函数非常昂贵，您可以构建一些开关或映射以在某些字符串或数字下选择适当的函数。

// [[Rcpp::plugins(cpp11)]]
#include <Rcpp.h>
using namespace Rcpp;

// [[Rcpp::export]]
NumericVector cppEval(NumericVector x, NumericVector y, int fun) {
  unsigned int num_y = y.size();

  NumericVector out(x.size(), 0);
  NumericVector out_temp(x.size(), 0);

  for(unsigned int i = 0; i < num_y; ++i) {
    switch (fun) {
    case 1 :     out_temp = Rcpp::exp(x - y[i]); break;
    case 2 :     out_temp = Rcpp::pow(x - y[i], 2); break;
    }
    out += out_temp;
  }

  return out/num_y;
}

/*** R
library(Rcpp)

sol <- function(x, y, f) {
  ret <- numeric(length(x))
  for (y0 in y) {
    ret <- ret + f(x - y0)
  }
  ret/length(y)
}
microbenchmark::microbenchmark(sol(1:100, 1:100, exp), cppEval(1:100, 1:100, 1))
sol(1:100, 1:100, exp)
cppEval(1:100, 1:100, 1)
*/

基准测试:

> microbenchmark::microbenchmark(sol(1:100, 1:100, exp), cppEval(1:100, 1:100, 1))
Unit: microseconds
                     expr     min       lq     mean   median       uq      max neval
   sol(1:100, 1:100, exp) 206.539 215.1900 308.1114 247.6095 279.2155 5764.789   100
 cppEval(1:100, 1:100, 1) 160.977 164.3765 197.4870 179.6300 205.1775 1406.768   100