以R表示的处理时间

我正在设计一个算法，并试图看看每一步在R中需要多少时间，以及整个过程需要多少时间。要获取时间信息，我使用proc.time（）命令。似乎所有迭代的每个步骤的时间都和总时间不匹配。让我举一个更好的例子：

t0 <- proc.time()
for (i in 1 :100){
     t1<- proc.time()
     step 1 
     t1 <- proc.time() - t1

     t2<- proc.time()
     step 2 
     t2 <- proc.time() - t2
 }
 t0 <- proc.time() - t0

---

t0对于性能指标，有一种更好的方法在R中计时：
system.time（）
。（见附件）

在您的示例中，您的
t0
正在测量100次迭代的总时间，但是
t1
和
t2
将在每次迭代中计算，因此在最后，它们只反映最后一次迭代的时间值
 在R中有一种更好的方法来计算性能指标的时间：
system.time（）
。（见附件）

在您的示例中，您的
t0
正在测量100次迭代的总时间，但是
t1
和
t2
将在每次迭代中计算，因此在最后，它们只反映最后一次迭代的时间值
 最后，我得到了总时间与所有步骤的所有迭代总和之差的答案。区别在于，我使用
rm（）
删除变量和其他数据，这些数据在前面的步骤中不会使用，一旦删除这些对象，我就使用
gc（）
释放内存。我从未测量过
rm（）
和
gc（）
步骤的时间，我认为它们不会占用很多时间，但我错了，这两个语句最终占用的时间几乎与每次迭代所需的时间相同。当我删除这两个步骤时，总运行时间与所有步骤的所有迭代的总和相匹配。从代码的角度来看，它可以解释为

t0 <- proc.time()
for (i in 1 :100){
     t1<- proc.time()
     step 1 
     t1 <- proc.time() - t1
     t01 <- proc.time()
     rm(obj1, obj2 )
     gc()
     t01 <- proc.time() - t01 
     t2<- proc.time()
     step 2 
     t2 <- proc.time() - t2
 }
 t0 <- proc.time() - t0

t0最后，我得到了总时间与所有步骤的所有迭代总和的差异的答案。区别在于，我使用
rm（）
删除变量和其他数据，这些数据在前面的步骤中不会使用，一旦删除这些对象，我就使用
gc（）
释放内存。我从未测量过
rm（）
和
gc（）
步骤的时间，我认为它们不会占用很多时间，但我错了，这两个语句最终占用的时间几乎与每次迭代所需的时间相同。当我删除这两个步骤时，总运行时间与所有步骤的所有迭代的总和相匹配。从代码的角度来看，它可以解释为

t0 <- proc.time()
for (i in 1 :100){
     t1<- proc.time()
     step 1 
     t1 <- proc.time() - t1
     t01 <- proc.time()
     rm(obj1, obj2 )
     gc()
     t01 <- proc.time() - t01 
     t2<- proc.time()
     step 2 
     t2 <- proc.time() - t2
 }
 t0 <- proc.time() - t0

t0它们有多大不同？因此，我运行了28000次这个迭代，其中包含了近10个步骤，每次迭代的时间量都不同，在我进行的运行中，t1、t2、t3。。。28000次迭代的t10增加了7小时，其中t0为13小时。所以，几乎多了6个小时，我想说的是hugeAs Livius说，如果你只是把t1，t2的最后值加起来，并且有很大的变化，这很可能是错误的。我建议把你的算法拆开，在
step1
和
step2
上独立运行
microbenchmark
。它们有什么不同呢，我正在运行这个迭代28000次，其中包含了近10个步骤，每次迭代的时间都会有所不同，在我进行的运行中，t1、t2、t3。。。28000次迭代的t10增加了7小时，其中t0为13小时。所以，几乎多了6个小时，我想说的是hugeAs Livius说，如果你只是把t1，t2的最后一个值加起来，并且有很大的变化，这可能是错误的。我建议把你的算法拆开，在
step1
和
step2
上独立运行
microbenchmark
。我会尝试使用system.time（）。不，它不会是上一次迭代的值，因为我正在为所有迭代存储t1和t2的值，最后，我将为所有迭代添加t1和t2的值，以获得最终时间。@Pawan
t0
还将包含其他内容：垃圾收集，调度开销如果您正在使用其中一个并行包等执行某些操作。存储所有单个
tn
值在内存方面也是浪费的，可能会导致更多的垃圾收集或额外的分配，这可能会以各种方式增加您的运行时间，尤其是在没有大量RAM的系统上。获得平均性能的更有效方法是每次添加它们：
tn\u running我将尝试使用system.time（）。不，它不会是上一次迭代的值，因为我正在为所有迭代存储t1和t2的值，最后，我将为所有迭代添加t1和t2的值，以获得最终时间。@Pawan
t0
还将包含其他内容：垃圾收集，调度开销如果您正在使用其中一个并行包等执行某些操作。存储所有单个
tn
值在内存方面也是浪费的，可能会导致更多的垃圾收集或额外的分配，这可能会以各种方式增加您的运行时间，尤其是在没有大量RAM的系统上。获得平均性能的更有效方法是每次添加它们：
tn\u running