为什么 Rcpp 在使用矩阵乘法时比 R 慢？

Question

为了加速我的包，其中包括大量矩阵计算，我使用 Rcpp 来重写所有代码。但是，某些功能甚至比以前更慢。我用microbenchmark分析，发现Rcpp中的矩阵乘法比较慢。为什么会这样？以及如何加速我的包裹？非常感谢。 Rcpp代码如下：

#include <Rcpp.h>
using namespace Rcpp;

// [[Rcpp::export]]
NumericMatrix mmult(const NumericMatrix& a, const NumericMatrix& b){
if (a.ncol() != b.nrow()) stop ("Incompatible matrix dimensions");
NumericMatrix out(a.nrow(),b.ncol());
NumericVector rm1, cm2;
for (int i = 0; i < a.nrow(); ++i) {
  rm1 = a(i,_);
  for (int j = 0; j < b.ncol(); ++j) {
    cm2 = b(_,j);
    out(i,j) = std::inner_product(rm1.begin(), rm1.end(), cm2.begin(), 0.);
  }
}
return out;}

R代码如下：

X = matrix(rnorm(10*10,1),10,10)
Y = matrix(rnorm(10*10,1),10,10)


microbenchmark(
  mmult(X,Y),
  X%*%Y)

结果是：

Unit: microseconds
    expr    min      lq      mean median     uq      max neval
 mmult(X, Y) 45.720 48.9860 126.79228 50.385 51.785 6368.512   100
 X %*% Y  5.599  8.8645  12.85787  9.798 10.730  153.486   100

Answer 1

这是相反的，但预期结果来自所见。这里 R 使用 BLAS 来完成所有繁重的工作，这些工作甚至可以并行工作。您正在使用朴素的矩阵乘法丢弃在 BLAS 库中完成的所有优化内存管理。

与其尝试重新发明矩阵乘法之类的低级内容，不如尝试使用类似 RcppArmadillo 的代码来实现更大的部分，它使用与 R 相同的 BLAS 库，而且（不仅！）提供一个方便的语法。

为什么 Rcpp 在使用矩阵乘法时比 R 慢？

why Rcpp is slower than R when using matrix multiply?

r

rcpp