将Rcpp函数放入R包后的性能崩溃 我想用C++特征库加速R中的矩阵乘法运算。 不知何故，我的简单函数eigen\u mult在放入包中时的性能非常不同 // [[Rcpp::depends(RcppEigen)]] #include <RcppEigen.h> //[[Rcpp::export]] Eigen::MatrixXd eigen_mult(Eigen::Map<Eigen::MatrixXd> A, Eigen::Map<Eigen::MatrixXd> X){ return(A * X); }

鉴于会话正在工作，它看起来如下所示：

other attached packages:
[1] svmod_0.1.0          microbenchmark_1.4-6

loaded via a namespace (and not attached):
[1] compiler_3.5.1  Matrix_1.2-14   tools_3.5.1     yaml_2.2.0      Rcpp_0.12.19    grid_3.5.1      lattice_0.20-35

我不知道如何重现第一个会话来检查这是否是问题的根源

还不是一个完整的答案，但我想指出的是，我没有得到这种行为：

# Try using a new package from scratch, with only this function
Rcpp::Rcpp.package.skeleton("svmod", example_code = FALSE)
# Then add RcppEigen in LinkingTo, add eigen_mult.cpp to src/
Rcpp::compileAttributes("svmod")
devtools::install("svmod")
Rcpp::sourceCpp("eigen_mult.cpp")
library(microbenchmark)
set.seed(1)
A <- matrix(rnorm(1000000), ncol = 1000, nrow = 1000)
B <- matrix(rnorm(1000000), ncol = 1000, nrow = 1000)
microbenchmark(
    "base R" =  A %*% B,
    "Eigen1" =  eigen_mult(A, B),
    "Eigen2" =  svmod::eigen_mult(A,B),
    times = 10
)

Unit: milliseconds
   expr      min       lq     mean   median       uq      max neval cld
 base R 853.6304 858.1488 882.5745 871.6440 894.3132 938.8883    10   b
 Eigen1 172.4896 173.4745 174.5335 174.5249 175.4813 177.6152    10  a 
 Eigen2 170.9105 174.1170 174.7807 174.3971 176.5156 179.0742    10  a 

#尝试从头开始使用新软件包，只使用此功能
Rcpp:：Rcpp.package.skeleton（“svmod”，示例代码=FALSE）
#然后在LinkingTo中添加RcppEigen，在src中添加eigen_mult.cpp/
Rcpp:：compileAttributes（“svmod”）
devtools:：安装（“svmod”）
Rcpp:：sourceCpp（“eigen_mult.cpp”）
图书馆（微基准）
种子（1）
A还不是一个完整的答案，但我想指出的是，我没有得到这种行为：

# Try using a new package from scratch, with only this function
Rcpp::Rcpp.package.skeleton("svmod", example_code = FALSE)
# Then add RcppEigen in LinkingTo, add eigen_mult.cpp to src/
Rcpp::compileAttributes("svmod")
devtools::install("svmod")
Rcpp::sourceCpp("eigen_mult.cpp")
library(microbenchmark)
set.seed(1)
A <- matrix(rnorm(1000000), ncol = 1000, nrow = 1000)
B <- matrix(rnorm(1000000), ncol = 1000, nrow = 1000)
microbenchmark(
    "base R" =  A %*% B,
    "Eigen1" =  eigen_mult(A, B),
    "Eigen2" =  svmod::eigen_mult(A,B),
    times = 10
)

Unit: milliseconds
   expr      min       lq     mean   median       uq      max neval cld
 base R 853.6304 858.1488 882.5745 871.6440 894.3132 938.8883    10   b
 Eigen1 172.4896 173.4745 174.5335 174.5249 175.4813 177.6152    10  a 
 Eigen2 170.9105 174.1170 174.7807 174.3971 176.5156 179.0742    10  a 

#尝试从头开始使用新软件包，只使用此功能
Rcpp:：Rcpp.package.skeleton（“svmod”，示例代码=FALSE）
#然后在LinkingTo中添加RcppEigen，在src中添加eigen_mult.cpp/
Rcpp:：compileAttributes（“svmod”）
devtools:：安装（“svmod”）
Rcpp:：sourceCpp（“eigen_mult.cpp”）
图书馆（微基准）
种子（1）
A如果删除名称空间调用（例如，
svmod:：
），会发生什么？我们不知道为什么会发生这种情况。你最好的选择可能是继续减少包装，或者从空包装开始。没有理由这样做。好的，谢谢。我打得有点自大，在一个干净的R区打得很好。一段时间后，情况似乎变得更糟。如果删除名称空间调用（例如
svmod:：
），会发生什么？我们不知道为什么会发生这种情况。你最好的选择可能是继续减少包装，或者从空包装开始。没有理由这样做。好的，谢谢。我打得有点自大，在一个干净的R区打得很好。过了一段时间，情况似乎变得更糟了。物理定律仍然成立。晚上11点的新闻。@DirkedelbuettelExactly@Alex我相信那是真的。这里的要点是，您的问题与将函数放在包中无关。这与您的特定设置更为特殊，可能需要更多的修补才能发现，可能从Dirk的建议开始，从一个空包开始，添加您的函数，然后一次添加一个，直到找到罪魁祸首。谢谢您的帮助。它现在也在我的机器上工作。我仍然不确定是什么原因导致了这个问题，但我在会议中发现了一些奇怪的东西，如果它没有很好地工作（请参阅编辑后的问题）。然而，我不知道如何重现这一点。我还注意到，在您的新编辑中，
svmod_0.1.0
附加在第二个
sessionInfo（）
中，而
通过命名空间加载（未附加）
附加在第一个中。我还没有考虑到这一点的含义（我不确定这可能是完全不相关的），但需要注意的是，这是应该的。物理定律仍然成立。晚上11点的新闻。@DirkedelbuettelExactly@Alex我相信那是真的。这里的要点是，您的问题与将函数放在包中无关。这与您的特定设置更为特殊，可能需要更多的修补才能发现，可能从Dirk的建议开始，从一个空包开始，添加您的函数，然后一次添加一个，直到找到罪魁祸首。谢谢您的帮助。它现在也在我的机器上工作。我仍然不确定是什么原因导致了这个问题，但我在会议中发现了一些奇怪的东西，如果它没有很好地工作（请参阅编辑后的问题）。然而，我不知道如何重现这一点。我还注意到，在您的新编辑中，
svmod_0.1.0
附加在第二个
sessionInfo（）
中，而
通过命名空间加载（未附加）
附加在第一个中。我还没有考虑到这一点的含义（我不确定这可能是完全无关的），但需要注意的是。
# Try using a new package from scratch, with only this function
Rcpp::Rcpp.package.skeleton("svmod", example_code = FALSE)
# Then add RcppEigen in LinkingTo, add eigen_mult.cpp to src/
Rcpp::compileAttributes("svmod")
devtools::install("svmod")
Rcpp::sourceCpp("eigen_mult.cpp")
library(microbenchmark)
set.seed(1)
A <- matrix(rnorm(1000000), ncol = 1000, nrow = 1000)
B <- matrix(rnorm(1000000), ncol = 1000, nrow = 1000)
microbenchmark(
    "base R" =  A %*% B,
    "Eigen1" =  eigen_mult(A, B),
    "Eigen2" =  svmod::eigen_mult(A,B),
    times = 10
)

Unit: milliseconds
   expr      min       lq     mean   median       uq      max neval cld
 base R 853.6304 858.1488 882.5745 871.6440 894.3132 938.8883    10   b
 Eigen1 172.4896 173.4745 174.5335 174.5249 175.4813 177.6152    10  a 
 Eigen2 170.9105 174.1170 174.7807 174.3971 176.5156 179.0742    10  a 

# Try your package
remove.packages("svmod")
devtools::install_github("alexandergerber/svmod")
# (in a new R session)
Rcpp::sourceCpp("eigen_mult.cpp")
library(microbenchmark)
set.seed(1)
A <- matrix(rnorm(1000000), ncol = 1000, nrow = 1000)
B <- matrix(rnorm(1000000), ncol = 1000, nrow = 1000)
microbenchmark(
    "base R" =  A %*% B,
    "Eigen1" =  eigen_mult(A, B),
    "Eigen2" =  svmod::eigen_mult2(A,B),
    times = 10
)

Unit: milliseconds
   expr      min       lq     mean   median       uq      max neval cld
 base R 813.7922 820.6887 854.6929 837.3059 879.7640 978.0778    10   b
 Eigen1 171.8826 172.6738 210.6316 181.7109 246.6778 332.1725    10  a 
 Eigen2 171.7884 172.8768 176.0966 173.5973 177.5424 186.5957    10  a