r - 求解 R 中 desolve 包中已编译的 ODE

Question

我正在使用 deSolve 包求解 R 中的 ODE。为了加快计算速度我想使用编译代码，使用指令here

我在下面展示了一个 ODE 系统的示例 - 我正在使用下面的 Rcpp 进行编码。 ODE 系统的详细信息取自 MATLAB 代码示例(可以找到 here)。我想模拟一组不平凡的 ODE，以便仅查看 R 和编译代码的差异。以下是我的驱动文件，我在其中以两种不同的方式计算了质量平衡(仅R和编译代码)

library(deSolve)
library(ggplot2)
library(microbenchmark)

source('parameters_gprotein.R')
p   <- parameters()

source('IC_gprotein.R')
IC  <- Initial_conditions()

TIME = seq(from = 0, to = 600)

source('odes_gprotein.R')
sim.data.df  <- as.data.frame(vode(IC,TIME,ODE_gprotein,p,
                                    mf = 22, rtol=1e-3,atol=1e-6,maxord = 5,
                                    verbose = F))

Rcpp::sourceCpp("odes_gprotein.cpp")
sim.data.df <- as.data.frame(vode(IC,TIME,odes_gprotein,p,
                                      mf = 22, rtol = 1e-3, atol = 1e-6, maxord = 5,
                                      verbose = F))

我的问题是因为 vode 调用是在 R 中进行的。这是否意味着如果在 cpp 中形成质量平衡并且实现了速度增益，则方程可以在编译代码中求解，或者我是否还必须在中进行 vode 调用cpp 文件。

当然，微基准测试结果表明使用odes_g Protein.cpp时速度有所提高

Unit: milliseconds
                                                                                                                               expr
  sim.data.df1 <- as.data.frame(vode(IC, TIME, ODE_gprotein, p,      mf = 22, rtol = 0.001, atol = 1e-06, maxord = 5, verbose = F))
 sim.data.df2 <- as.data.frame(vode(IC, TIME, odes_gprotein, p,      mf = 22, rtol = 0.001, atol = 1e-06, maxord = 5, verbose = F))


       min        lq      mean    median        uq      max neval
 27.801954 29.543624 31.213758 30.565434 31.399140 86.28537   100
  8.188846  8.577824  9.177491  8.817025  9.437214 18.94304   100

谢谢

Answer 1

可重现的示例

将来，请链接到/提供该问题所基于的所有书面代码。

比较

在编写 R 和 Rcpp 函数代码的比较时，您应该附加到 C++ 函数名称的末尾 _cpp这样对不同实现的调用就清晰了。例如是 ODE_gprotein()或odes_gprotein() C++ 实现？

在基准测试中，看起来好像 odes_gprotein()是cpp()由于微基准较低，因此请调用。这意味着vode()函数正在调用通过 Rcpp::sourceCpp 引入命名空间的 Rcpp 包装器.

提高速度

如果可能的话，所有代码都应该嵌入 cpp 内为了最大的收获。这意味着如果速度是一个重要因素(例如，处理非常大的数据或执行计算密集型模拟)，您可能必须从头开始实现。该建议是由于减少了 R 代码前端和 C++ 代码之间的中继而提出的。本质上，当从 R 调用 C++ 代码时，有时必须在幕后将对象复制并重新格式化为不同的对象，然后才能对其进行处理。如果您使用默认 Rcpp 类型之外的对象(例如 RcppArmadillo 、 RcppGSL 等)，情况尤其如此，因为必须从 R 的对象结构到导入结构进行复制。

Rcpp::sourceCpp 发生了什么(幕后花絮)

让我们更深入地了解 Rcpp::sourceCpp() 背后实际发生的事情。具体来说，当调用该方法时，会提取不同的属性(例如 // [[Rcpp::]] 标签)并启用它们的选项。

最常见的标签是 // [[Rcpp::export]它围绕 C++ 代码创建一个包装器或抽象层，以便它可以轻松地使用 R 对象。此行为很重要，原因有以下三个: 1. 您无需担心 SEXP 类型和内存保护，2. 自动创建默认 .Call("fname") 的 R 级别函数。 ，以及 3. 代码缓存，使已编译的代码只能在更改时重新编译。

因此，当您调用odes_gprotein()时你实际上是在调用一个C++函数。