使用doParallel而不是apply
是在R语言中进行并行计算的一种方式。doParallel是R中的一个并行计算包，可以用于同时运行多个任务，从而提高计算效率。
doParallel基于foreach和parallel包，使用它可以将迭代的任务分配给多个处理器或计算节点并行执行。相比于apply函数族，doParallel具有更高的灵活性和可扩展性，适用于处理大数据集或计算复杂度较高的任务。
使用doParallel的优势包括：
- 提高计算效率：通过并行计算，可以同时处理多个任务，从而减少整体的运行时间。
- 简化并行编程：doParallel提供了简洁的接口，使得并行计算的编程更加容易理解和实现。
- 支持任务调度：可以方便地管理和调度多个并行任务，确保任务之间的依赖关系和执行顺序。
- 跨平台兼容性：doParallel可以在各种操作系统中使用，包括Windows、Linux和Mac OS。
doParallel适用于各种场景，特别是在以下情况下推荐使用：
- 数据处理：当需要对大型数据集进行处理或计算时，使用doParallel可以显著加快数据处理的速度。
- 统计模型拟合：在拟合复杂的统计模型时，使用doParallel可以加速参数估计和模型选择的过程。
- 机器学习：在训练机器学习模型时，使用doParallel可以同时处理多个训练样本，加快模型的训练速度。
- 优化算法：对于需要进行多次迭代的优化算法，使用doParallel可以并行执行迭代过程，提高算法的收敛速度。
腾讯云相关产品中，与并行计算相关的是云计算产品中的弹性容器实例（Elastic Container Instance，ECI）。ECI是一种无服务器容器产品，可以实现快速部署和弹性伸缩的容器化应用。在使用ECI时，可以使用doParallel进行并行计算，提高容器实例的计算性能。
更多关于腾讯云弹性容器实例（ECI）的介绍和使用方法，可以参考腾讯云官方文档：弹性容器实例（ECI）。
相关·内容
我想在R中并行化一个period.apply函数，我试图在Foreach中使用doParallel，但是我不知道如何实现这个函数。我使用的数据是一个具有日期时间索引和变量值的xts对象，我要做的是每5秒对数据进行平均值：
VAR
2018-01-01 00:00:00 1945.054
2018-01-01 00:00:02 1944.940
2018-01-01 00:00:05 1945.061
2018-01-01 00:00
浏览 1提问于2018-04-27得票数 4
回答已采纳
1回答
关于foreach函数，doParallel和R中的doMC有什么不同？doParallel支持windows，类unix，而doMC只支持类unix。换句话说，为什么doParallel不能直接取代doMC呢？谢谢。
更新：doParallel构建在parallel之上，它本质上是multicore和snow的合并，并自动为您的系统使用适当的工具。因此，我们可以使用doParallel来支持多系统。换句话说，我们可以使用doParallel来取代doMC。
参考：
顺便说一句，registerDoParallel(ncores=3)和
cl <- makeCluster(3)
regi
浏览 5提问于2015-03-11得票数 51
回答已采纳
2回答
我正在努力实现一个算法，在其中我试图找到5个向量，其中20个是“最遥远的”，使用一些措施。为了做到这一点，我使用了，其中我得到了一个大约77000个向量的列表，表示所有的5向量分组组合。每个向量大约有25。
为了并行化下面的循环，我尝试了doParallel库，但是我总是搞砸它，结果得到了-inf。我阅读了doParallel文档，无法将我在那里看到的应用到我的案例中，很可能是因为我对R知识的缺乏使问题看起来比实际情况要难一些。
#df2can be thought of as (thanks to @Oliver):
df2 <- as.data.frame(replicate(20,
浏览 0提问于2019-09-02得票数 2
回答已采纳
我使用发布的示例代码来显示progress_bar (来自progress包)和doParallel + foreach。然而，那里的解决方案使用的是doSNOW (例如我用来测试的杜威布鲁克的代码)，它比doParallel更过时，在构建带有CRAN标志的包时会返回此说明：
使用取代的包：‘doSNOW (>= 1.0.19)’
改变这一点似乎不像预期的那样简单。如果只有registerDoSNOW被registerDoParallel替换，.options.snow被.options.doparallel替换，代码就会运行，但在第二种情况下，根本不会显示任何进度条。
我认为这
浏览 6提问于2021-03-12得票数 3
1回答
doParallel比顺序处理慢
、、、、
我试图通过使用RStudio包并遵循教程，使并行处理在本地安装RStudio或在云上工作。
不幸的是，打开并行处理似乎会降低的计算速度，而不是加快它的速度。
测试操作：
microbenchmark(foreach(i=1:1000) %dopar% sum(tanh(1:i)))
system.time(foreach(i=1:1000) %dopar% sum(tanh(1:i)))
没有并行处理的结果
Unit: milliseconds
expr min lq mean media
浏览 3提问于2020-11-10得票数 0
我测试了以下代码(在300 K行DF上)，以确定哪种方法是在R中并行化的最快方式(对于循环和lapply)。
Q1.根据不同的在线帖子，我看到人们要么说“that！Lapply总是更快”，要么“取决于您对循环的实现可以更快”。
Q2.更令人惊讶的是，通过调用一个函数(使代码看起来更干净)运行类似的代码要慢得多。我给他们做了正确的标杆吗？
我看到30K行也有类似的趋势。根据答案，我将看看并行化是否随着核的增加而增加。
谢谢。
#Results:
[1] 300000 3
[1] "For loop all conditions"
user system e
浏览 0提问于2017-10-23得票数 0
回答已采纳
最近，我开始使用foreach和doParallel包将代码切换到并行执行。由于不同的线程相互干扰，使用futile.logger日志记录的工作效率很低。因此，我开始使用ParallelLogger，即使在并行设置中，它也应该处理日志记录。不幸的是，我对这个记录器有两个问题，我自己解决不了，也许我做错了什么，或者系统中有一个错误。
第一个问题是，尽管我创建了一个控制台附录(请参阅下面的MWE )，但没有线程登录到控制台上。
我的记录器生成的日志文件损坏的方式是launchLogViewer抛出一个line 40 did not have 6 elements错误。
这是MWE：
浏览 2提问于2018-09-17得票数 1
在Linux计算机上，继之后，我使用doParallel::registerDoParallel()，然后使用options(cores = N)，其中N是我想要与foreach一起使用的核数。
我可以用foreach::getDoParWorkers()验证，当我更改选项cores时，它会自动改变foreach使用的核数。
然而，在Windows10(最新版本的R和软件包)上，该选项似乎没有任何效果，因为更改其值不会改变foreach::getDoParWorkers()的值(在调用doParallel::registerDoParallel()时在3上初始化)。
可复制的例子：
doPar
浏览 0提问于2017-08-22得票数 4
回答已采纳
1回答
如何并行化R中的包函数
、、、
我想并行化我正在处理的包的一部分。我应该使用哪些包和什么语法来使包在不同的体系结构上灵活和可用？我的问题出现在一个sapply()调用中，如下面的模拟代码所示：
.heavyStuff <- function(x) {
# do a lot of work
Sys.sleep(1)
}
listOfX <- 1:20
userFunc1 <- function(listOfX) {
res <- sapply(listOfX, .heavyStuff)
return(res)
}
根据不同的指南，我编写了以下内容：
userFunc2
浏览 0提问于2018-12-05得票数 4
1回答
我想使用doParallel包对R中的大数据帧进行一些并行处理。让我们调用数据帧mydata。我想逐行迭代数据帧，所以类似于
foreach(x=iter(mydata, by='row')) %dopar%{
... do stuff ...
}
但是，这并不完全正确，因为在每个循环中，我需要访问多个行。假设变量idx包含需要一起处理哪些行的信息。让我们假设idx是一个看起来像
1 2 3
10 12 14
4 7 9
...
其中，每行指示需要一起处理的mydata行。我如何使用doParallel包来完成这个任务？
编辑:我看到我可以用data.frame
浏览 1提问于2014-11-22得票数 2
回答已采纳
我正在一个foreach循环中使用一个大的共享内存矩阵1.3e6x1.3e6。我用bigstatsr包的FBM函数创建了这个矩阵。我需要FBM类对象中循环的结果才能不耗尽RAM内存。这就是我想要做的，没有FBM类对象。
library(doParallel)
library(foreach)
library("doFuture")
cl=makeCluster(2)
registerDoParallel(cl
)
registerDoFuture()
plan(multicore)
results=foreach(a=1
浏览 3提问于2018-10-05得票数 1
回答已采纳
阅读的小插曲。
下面两个代码块是一个并且是相同的吗？
library(doparallel)
no_cores <- 8
cl <- makeCluster(no_cores)
registerDoParallel(cl)
pieces <- foreach(i = seq_len(length(pieces))) %dopar% { # do stuff}
上面的内容和下面的一样：
library(doparallel)
registerDoParallel(cores = 8)
pieces <- foreach(i = seq_len(lengt
浏览 36提问于2017-08-20得票数 1
回答已采纳
我想使用llply来使用多核doParallel后端(即doParallel::registerDoParallel(cores=8))执行一些并行计算，但是每次计算将花费不同的时间，因此我希望将多核预存选择设置为false。但是，我不确定如何将此选项传递给llply，后者将它传递给foreach，后者将把它传递给doParallel，后者将最终将其传递给mclapply。有人能举出这样做的例子吗？
换句话说，我将如何在下面的代码中禁用预编码？
library(plyr)
library(doParallel)
registerDoParallel(cores=2)
x <- llply
浏览 3提问于2014-03-24得票数 3
回答已采纳
1回答
我想在集群(几台机器)的节点内分发作业(带有一个for循环)。我尝试使用R包future来实现这一点。我不知道这是否是最好的方法；我试图使用foreach的doParallel包，但我没有成功。当循环迭代的次数大于集群节点的数目时，我如何计算？
library(doParallel);
library(doFuture);
#library(future);
registerDoFuture();
workers <- c(rep("129.20.25.61",1), rep("129.20.25.217",1));
cl <- makeClus
浏览 0提问于2017-05-13得票数 3
回答已采纳
1回答
首先是一些数据。为协变量和我感兴趣的回归结果和解释变量做一个数据。
我正在做的是逐步通过lm(outcome ~ mycovs + ith column of betas)，并在这个例子中，收集残差。
set.seed(123) # for repeatability
mycovs = data.frame(outcome = rnorm(100,20,5),
race = rep(c("white","black","hispanic","other"),25),
浏览 1提问于2018-03-27得票数 0
回答已采纳
我有一个很大的数据集(大约4000万行x 4列)，我想对每行中的数据执行一次Fisher测试。
数据示例如下所示：
refAppleBase altAppleBase refHawBase altHawBase
1 115 1 94 0
2 117 4 93 1
3 125 4 94 1
4 107 26 89
浏览 1提问于2019-01-07得票数 0
2回答
如果我在没有注册集群的情况下运行foreach... %dopar%，foreach会抛出一个警告，并按顺序执行代码：
library("doParallel")
foreach(i=1:3) %dopar%
sqrt(i)
收益率：
Warning message:
executing %dopar% sequentially: no parallel backend registered
但是，如果我在启动、注册和停止集群后运行相同的代码，它将失败：
cl <- makeCluster(2)
registerDoParallel(cl)
stopCluster(
浏览 0提问于2014-08-03得票数 36
回答已采纳
我对前额有个问题，我就是搞不懂。以下代码在我尝试过的两台Windows计算机上失败，但在三台Linux计算机上成功，它们都运行着相同版本的R和doParallel：
library("doParallel")
registerDoParallel(cl=2,cores=2)
f <- function(){return(10)}
g <- function(){
r = foreach(x = 1:4) %dopar% {
return(x + f())
}
return(r)
}
g()
在这两台Windows计算机上，返
浏览 7提问于2016-01-07得票数 18
回答已采纳
1回答
R函数作用域和并行性
、、、
考虑以下函数定义
library(doParallel)
f_print <- function(x)
{
print(x)
}
f_foreach <- function(l)
{
foreach (i=l) %do%
{
f_print(i)
}
}
f_foreach_parallel <- function(l)
{
doParallel::registerDoParallel(1)
foreach (i=l) %dopar%
{
f_print(i)
}
}
函数用法：
> f_foreach(c(1,2))
浏览 1提问于2017-10-06得票数 0
1回答
我有这样的代码来并行地编写我的结果。我在R中使用foreach和doParallel库。
output_location='/home/Desktop/pp/'
library(foreach)
library(doParallel)
library(data.table)
no_cores <- detectCores()
registerDoParallel(makeCluster(no_cores))
a=Sys.time()
foreach(i=1:100,.packages = c('f
浏览 1提问于2018-06-21得票数 5
回答已采纳
1回答
来自插入符号R包的parRF不适用于我的多个核心，这是相当讽刺的，因为在parRF中的标准代表平行。我在windows机器上，如果这是相关信息的话。我检查了一下，我使用的是关于插入符号和doParallel的最新版本。
我做了一个最小的例子，并给出了下面的结果。有什么想法吗？
源代码
library(caret)
library(doParallel)
trCtrl <- trainControl(
method = "repeatedcv"
, number = 2
, repeats = 5
, allowParallel = TRUE
)
# W
浏览 4提问于2014-07-16得票数 8
回答已采纳
我正在尝试在doParallel中使用Rcpp module。然而，它们似乎是不兼容的。这是一个会产生segfault的例子。我也试过用R built-in reference class做类似的事情，它工作得很好。
require(doParallel)
require(Rcpp)
require(inline)
inc = '
using namespace Rcpp; class Uniform { public:
Uniform(double min_, double max_) : min(min_), max(max_) {}
NumericVector
浏览 1提问于2014-03-08得票数 0
3回答
我有一个很大的excel文件要处理。我需要阅读大量单元格的颜色和样式，并考虑通过并行化任务来加快计算速度。我依靠xlsx包及其函数getCellStyle逐单元格获取样式单元格。这个方案反过来又依赖于rJava。看起来，由于某种原因，涉及java对象的任务不能并行化。这里是一个可重复的例子：
require(xlsx)
require(writexl)
require(doParallel)
require(foreach)
require(parallel)
#We create an excel file with the iris dataset
filename <- "
浏览 6提问于2021-07-05得票数 2
回答已采纳
2回答
我想在R中使用" foreach“循环(包foreach+ doParallel)，但在我的工作中，我发现该循环返回一些NA，而经典的"for”循环返回我想要的值：
library(foreach)
library(doParallel)
ncore=as.numeric(Sys.getenv('NUMBER_OF_PROCESSORS'))-1
registerDoParallel(cores=ncore)
B=2
a = vector()
b = vector()
foreach(i =
浏览 0提问于2017-08-28得票数 1
我很好奇，当全局值在doParallel:::doParallelSNOW()中显式指定时，.export的设计参数可能是什么？例如,
library("doParallel")
registerDoParallel(cl <- parallel::makeCluster(2L))
a <- 1
y <- foreach(i = 1L, .export = "a") %dopar% { 2 * a }
## Warning in e$fun(obj, substitute(ex), parent.frame(), e$data) :
##
浏览 0提问于2018-01-13得票数 3
我正在尝试编写一个具有多线程功能的CRAN包。我用doSNOW实现了一个完美的解决方案，但是这个包已经被CRAN团队标记为“替代”了，他们让我切换到doParallel解决方案。这很好，但是我无法找到一种方法来监视使用doParallel完成的作业数量，就像使用doSNOW时一样。以下是我的doSNOW解决方案：
# Set up parameters
nthreads<-2
nreps<-100
funrep<-function(i){
Sys.sleep(0.1)
res<-c(log2(i),log10(i))
return(res)
}
浏览 5提问于2019-10-20得票数 7
回答已采纳
我是拟合随机森林模型使用包插入和护林员，并试图加快使用并行进程。然而，速度增益很小。我正在使用的MacBook Pro (Retina，13英寸，2013年底)，2.4 GHz英特尔核心i5，8 GB 1600 MHz DDR3，macOS塞拉利昂10.12。可复制的例子：
library(caret)
library(mlbench)
data("Sonar")
start <- Sys.time()
mod_1 <- train(Class ~ ., data = Sonar, method = "ranger", num.trees = 10
浏览 1提问于2017-03-03得票数 1
回答已采纳
4回答
doMC的文档看起来很稀疏，只列出doMC-包和registerDoMC()。我遇到的问题是，我会通过doMC/foreach培养出几个员工，但是当工作完成后，他们就会坐在那里回忆起来。我可以去寻找他们的进程I，但我经常意外地杀死主进程。
library(doMC)
library(foreach)
registerDoMC(32)
foreach(i=1:32) %dopar% foo()
##kill command here?
我尝试过使用registerDoSEQ()进行跟踪，但它似乎并没有扼杀进程。
浏览 2提问于2014-02-13得票数 7
回答已采纳
1回答
我使用foreach和parallel库来执行并行计算，但出于某种原因，在运行时，它一次只使用一个CPU (我使用'top‘()查找它。
服务器有48个核心，我试过：
使用24、12或5个核心
示例代码(如下所示)
在Windows中，任务本身就会出现，但它们不使用任何CPU
list.of.packages <- c("foreach", "doParallel")
new.packages <- list.of.packages[!(list.of.packages %in% installed.packages()[
浏览 0提问于2019-08-13得票数 5
回答已采纳
使用类型= MPI的"doParallel“包与直接使用doMPI有什么区别？
library(foreach)
library(doParallel)
cl <- makeCluster(mpi.universe.size(), type='MPI')
registerDoParallel(cl)
system.time(foreach(i = 1:3) %dopar% {Sys.sleep(i); i})
VS
library(doMPI)
cl <- startMPIcluster(count=2)
registerDoMPI(cl)
system.t
浏览 2提问于2018-05-10得票数 2
回答已采纳
1回答
我需要将一个复杂的foreach循环转换为一个parLapply函数。
为简单起见，我将使用以下foreach循环：
library(foreach)
library(doParallel)
number_of_cores <- 8
clusters <- 8
doParallel::registerDoParallel(clusters)
m <- foreach(i=1:1000) %dopar% {matrix(rnorm(500*500), ncol=50000); NULL}
浏览 10提问于2021-02-19得票数 1
回答已采纳
3回答
当仅在包的描述中导入(不依赖)时，如何避免在包的函数中“无法找到函数”“%dopar%”？是否有一种类似于foreach::%dopar%的方法，就像我在函数中使用foreach::foreach？谢谢。
代码如下：
在功能上
foreach::foreach(1:9) %dopar% {
...}
在描述中
Imports:
Matrix,
parallel,
foreach,
doParallel
浏览 6提问于2015-05-13得票数 10
回答已采纳
我正在尝试在R中指定一个并行进程，以便在后台运行时使用计算机上4个可能内核中的3个，以便为其他进程留出一点CPU处理能力。我的代码看起来像这样： library(doParallel)
cl <- makePSOCKcluster(3)
registerDoParallel(cl)
results <- foreach(i = 1:10) %dopar% {
...some processes to be parallelized...
}
stopCluster(cl) 当我运行这个程序并查看任务管理器时，所有内核都以100%的速度运行。有没有办法只使用3个核心，或者这是
浏览 23提问于2019-05-14得票数 0
3回答
插入符号文档中给出了允许并行处理的以下代码
library(doMC)
registerDoMC(cores = 5)
## All subsequent models are then run in parallel
但在最新的R版本(3.4)中，包doMC不可用。有没有人可以告诉我做并行处理的其他方法？
更新:罗曼的建议奏效了。DoMC不适用于windows。对于windows，使用doParallel包cls = makeCluster(no of cores to use)，然后使用registerDoParallel(cls)。还要确保在trControl中将allowParal
浏览 14提问于2017-06-27得票数 13
回答已采纳
2回答
R前级回路的负载平衡
、、、、
是否有一种方法可以修改R循环如何使用doParallel后端进行负载平衡？当具有非常不同执行时间的并行任务时，它可以发生所有节点，但一个节点已经完成了它们的任务，而最后一个节点仍然有几个任务要做。下面是一个玩具示例：
library(foreach)
library(doParallel)
registerDoParallel(4)
waittime = c(10,1,1,1,10,1,1,1,10,1,1,1,10,1,1,1)
w = iter(waittime)
foreach(i=w) %dopar% {
message(paste("waiting",
浏览 3提问于2017-03-09得票数 2
回答已采纳
1回答
我刚刚开始在R中使用foreach和%dopar%方法进行并行处理，但我得到的结果令人困惑，与for循环不一样；下面是我用来测试这些方法和结果的代码：
library(plyr); library(doParallel); library(foreach)
cs <- makeCluster(2)
registerDoParallel(cs)
sfor_start <- Sys.time()
s_for=as.numeric()
for (i in 1:1000) {
s_for[i] = sqrt(i)
}
print(Sys.time() - sfor_start)
浏览 2提问于2017-08-08得票数 0
回答已采纳
1回答
我使用options()和getOption()来设置代码执行方式的选项。在顺序操作中，它工作得很好。 但是，当我使用doparallel包并行运行我的代码时，这些选项不会传递给工作进程。显示问题的示例代码： library(doParallel)
library(foreach)
registerDoParallel()
options(a=1)
getOption('a')
## [1] 1
foreach(id=1) %dopar% getOption('a')
## [[1]]
## NULL 正如您所看到的，选项向量不会传递给并行工作线程。我尝
浏览 23提问于2019-02-22得票数 0
我搜索并获得了以下示例，作为从答案here为loop设置种子的方法 ## Load packages and prepare multicore process
library(forecast)
library(future.apply)
plan(multisession)
library(parallel)
library(foreach)
library(doParallel)
n_cores <- detectCores()
cl <- makeCluster(n_cores)
registerDoParallel(cores = detectCores())
set.
浏览 31提问于2020-10-07得票数 1
2回答
如何让R使用更多的CPU使用率？
、、、、
我注意到R并没有占用我所有的CPU，我想把它大大地增加(提高到100%)。我不希望它只并行化几个函数；我希望R使用更多的CPU资源。我正在尝试使用lp()函数运行一个纯IP集合打包程序。目前，我运行的是windows操作系统，我的电脑上有4个内核。
我尝试过使用snow、doParallel和foreach (尽管我不知道我到底在用它们做什么)。
在我的代码中我有这样的代码...
library(foreach)
library(doParallel)
library(snowfall)
cl <- makeCluster(4)
registerDoParallel(cl)
sfIn
浏览 4提问于2015-08-09得票数 6
我需要将多个形状文件加载到R会话中。目前，我正在单独加载每个形状文件。这是可行的，但它需要很长时间，并且只使用我可用CPU的15%。最近，我尝试使用ForEach和DoParallel加载形状文件：
require(foreach)
require(doParallel)
require(rgdal)
files <- c(
"AHVENANMAA/AHVENANMAA",
"ETELA-KARJALA/ETELA-KARJALA",
"ETELA-POHJANMAA/ETELA-POHJANMAA_1",
浏览 4提问于2016-06-18得票数 1
我正在尝试使用doParallel和foreach包，但是我正在使用指南中的引导示例来降低性能。
library(doParallel)
library(foreach)
registerDoParallel(3)
x <- iris[which(iris[,5] != "setosa"), c(1,5)]
trials <- 10000
ptime <- system.time({
r <- foreach(icount(trials), .combine=cbind) %dopar% {
ind <- sample(100, 100
浏览 1提问于2013-05-24得票数 10
回答已采纳
1回答
我需要用一个条件来停止并行循环，例如，when res < 1。MWE由以下代码给出
library(foreach)
library(doParallel)
I <- 1000
L <- 1000
res <- Inf
cores <- detectCores()
cluster <- makeCluster(cores)
registerDoParallel(cluster)
out <- foreach(l = 1:I,.packages = "cec2013") %dopar% {
for(i in 1:
浏览 11提问于2017-07-01得票数 0
第一次在这里贴海报。在发帖之前，我阅读了FAQ和推荐的发帖指南，所以我希望我的问题是以正确的格式发布的。
我在R64位控制台v3.1.2中使用doParallel集群后端运行foreach()任务。在Windows8上。相关的软件包是foreach v.1.4.2和doParallel v1.0.8。
下面是一些示例代码，让您了解我在做什么：
out <- foreach (j = 1:nsim.times, .combine=rbind, .packages=c("vegan")) %dopar% {
b<-oecosimu(list.mat[[j]], com
浏览 3提问于2015-02-12得票数 4
回答已采纳
1回答
我正在尝试在R中设置并行计算用于大型模拟，但我注意到在时间上没有改进。
我试过一个简单的例子：
library(foreach)
library(doParallel)
stime<-system.time(for (i in 1:10000) rnorm(10000))[3]
print(stime)
10.823
cl<-makeCluster(2)
registerDoParallel(cores=2)
stime<-system.time(ls<-foreach(s = 1:10000) %dopar% rnorm(10000))[3]
stopCluste
浏览 1提问于2014-10-28得票数 0
2回答
在R中，我使用foreach + doParallel对矩阵的每一行多重地应用一个函数，当矩阵有许多行时，foreach在重复迭代之前和之后花费很长的时间。
例如，如果我运行：
library(foreach)
library(doParallel)
doWork <- function(data) {
# setup parallel backend to use many processors
cores=detectCores()
number_of_cores_to_use = cores[1]-1 # not to overload the computer
浏览 4提问于2017-07-19得票数 4
回答已采纳
3回答
我有一个由20个特征和大约300,000个观察值组成的数据集。我使用插入符号来训练带有doParallel和四个内核的模型。对于我尝试过的方法(rf，nnet，adabag，svmPoly)，即使在我10%的数据上训练也要花8个多小时。我用bootstrapping重采样了3次，我的tuneLength是5。我能做些什么来加快这个令人痛苦的缓慢过程吗？有人建议使用底层库可以将我的过程加快10倍，但在我走上这条路之前，我想确保没有其他选择。
浏览 0提问于2015-10-02得票数 12
回答已采纳
如何向foreach注册PSOCK集群(使用Parallel包创建)？我目前正在使用doSNOW包中的registerDoSNOW来注册snow套接字集群。
浏览 2提问于2011-11-30得票数 7
回答已采纳
我想在R中的一个大光栅堆栈中对每一层执行一系列计算，并将每一层的结果保存为单独的栅格供以后使用。我正在尝试使用foreach和doParallel来加速这个过程。下面是基本代码，并对堆栈中的每个层进行了简单的计算(*3)：
library(raster)
library(doParallel)
RasterStack<- stack(system.file("external/rlogo.grd", package="raster"))
RasterStack<-addLayer(RasterStack,RasterStack)
cl <
浏览 8提问于2015-05-20得票数 2
回答已采纳
我正在为R建立一个包，我希望能够跨平台。我是在Linux下开发的，mclapply函数将从parallel包中使用。Windows不支持此包(它使用doParallel)。不过，我真的很喜欢parallel包，因为它的简单性和速度，我不知道这是否应该成为为CRAN提供两个不同版本的包的原因，对于单独的操作系统(似乎是需要维护的额外工作)，更不用说它是否允许使用了。
有什么想法？
而且，现在我还在考虑parallel's
mclapply(ldata, function(x), mc.cores=cores)
相当于doParallel的
cl <- makeCluster(cor
浏览 3提问于2013-09-03得票数 7
回答已采纳
3回答
我有一个函数doSomething()，它运行在foreach循环中，因此将一些计算保存为.csv文件。因此，我不需要foreach的返回值，实际上我不想要返回值，因为它使我的记忆变得混乱，以至于我无法运行我想要的迭代次数。
如何强制foreach没有返回值，或者删除迭代的返回值？
下面是一个很小的例子，说明我的问题：
cl <- parallel::makePSOCKcluster(1)
doParallel::registerDoParallel(cl)
"%dopar%" <- foreach::"%dopar%"
doSomething
浏览 3提问于2020-02-05得票数 7
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
