[英]Using R and Rcpp, how to multiply two matrices that are sparse Matrix::csr/csc format?
以下代码按预期工作:
矩阵.cpp
// [[Rcpp::depends(RcppEigen)]]
#include <RcppEigen.h>
// [[Rcpp::export]]
SEXP eigenMatTrans(Eigen::MatrixXd A){
Eigen::MatrixXd C = A.transpose();
return Rcpp::wrap(C);
}
// [[Rcpp::export]]
SEXP eigenMatMult(Eigen::MatrixXd A, Eigen::MatrixXd B){
Eigen::MatrixXd C = A * B;
return Rcpp::wrap(C);
}
// [[Rcpp::export]]
SEXP eigenMapMatMult(const Eigen::Map<Eigen::MatrixXd> A, Eigen::Map<Eigen::MatrixXd> B){
Eigen::MatrixXd C = A * B;
return Rcpp::wrap(C);
}
这是使用 C++ eigen class 作为矩阵,参见https://eigen.tuxfamily.org/dox
在 R 中,我可以访问这些功能。
library(Rcpp);
Rcpp::sourceCpp('matrix.cpp');
A <- matrix(rnorm(10000), 100, 100);
B <- matrix(rnorm(10000), 100, 100);
library(microbenchmark);
microbenchmark(eigenMatTrans(A), t(A), A%*%B, eigenMatMult(A, B), eigenMapMatMult(A, B))
这表明 R 在转置(转置)方面表现相当不错。 乘法与本征有一些优点。
使用 Matrix 库,我可以将普通矩阵转换为稀疏矩阵。
示例来自https://cmdlinetips.com/2019/05/introduction-to-sparse-matrices-in-r/
library(Matrix);
data<- rnorm(1e6)
zero_index <- sample(1e6)[1:9e5]
data[zero_index] <- 0
A = matrix(data, ncol=1000)
A.csr = as(A, "dgRMatrix");
B.csr = t(A.csr);
A.csc = as(A, "dgCMatrix");
B.csc = t(A.csc);
因此,如果我想使用 eigen 将 A.csr 乘以 B.csr,如何在 C++ 中做到这一点? 如果不需要,我不想转换类型。 是 memory 大小的东西。
A.csr %*% B.csr
尚未实现。 A.csc %*% B.csc
正在工作。
我想对不同的选项进行微基准测试,看看矩阵大小如何最有效。 最后,我将有一个大约 1% 稀疏的矩阵,并且有 500 万行和列...
dgRMatrix 叉积函数尚未实现是有原因的,事实上,它们不应该被实现,否则它们会导致不好的做法。
使用稀疏矩阵时有一些性能注意事项:
可能存在行优先排序大放异彩的应用程序(即参见 Dmitry Selivanov 在 CSR 矩阵和 irlba svd 上的工作),但这绝对不是其中之一,事实上,所以你最好进行就地转换得到一个 CSC 矩阵。
tl; dr :行主要矩阵中的按列交叉积是低效率的最后通牒。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.