Интерпретация выхода Rprofile: что это такое <Anonymous> Функция?

Question

Итак, у меня есть большая функция, которая выполняет алгоритм MCMC. Я считаю, что большая часть из дорогих операций - это умножения больших матриц, но этот вывод Rprof довольно озадачивает.

$by.self 
       self.time self.pct total.time total.pct 
"<Anonymous>"  328.90 81.84  329.34  81.95 
"fprod"    46.16 11.49  376.02  93.57 
"Dikin_Walk"   7.42  1.85  401.32  99.86 
"as.vector"   5.98  1.49  57.56  14.32 
".External"   2.54  0.63  2.54  0.63 
"-"     1.84  0.46  1.84  0.46 
"H_x"    1.16  0.29  225.82  56.19 
"fcrossprod"   1.14  0.28  226.12  56.27 

Edit: Вот эти 3 функции, которые я определяю в моей большой функции обертку:

## first, augment A | b 
A_b <- cbind (b, A) 

## H(x) is the hessian 
H_x <- function(x) { 
    D <- as.vector(1/(A_b[,1] - fprod(A_b[,-1], x))) 
    D_squared <- fdiag(D^2) 
    return(fcrossprod(A, fprod(D_squared, A))) 
} 

## D(x) is the diagonalized matrix of the log-barrier function of Ax <= b 
D_x <- function(x) { 

    D <- as.vector(1/(A_b[,1] - fprod(A_b[,-1], x))) 
    return(fdiag(D)) 
} 

## checks whether a point z is in Ellip(x) 
ellipsoid <- function(z, x) { 

    ## as.numeric converts the expression into an atom, so we get boolean 
    return(as.numeric(fcrossprod(z-x, fprod(H_x(x), (z-x)))) <= r^2) 

} 

fdiag, fcrossprod и fprod все RcppArmEigen версии своих R коллег. Я использовал их, потому что они значительно быстрее.

Главный алгоритм:

> for (i in 1:n) { 
> 
> zeta <- rnorm(length(b), 0, 1) 
> zeta <- r * zeta/sqrt(as.numeric(fcrossprod(zeta,zeta))) 
> 
> rhs <- fcrossprod(A, fprod(D_x(current.point), zeta)) 
>  
> ## DONE 
>  
> y <- fprod(fsolve(H_x(current.point)), rhs) 
> y <- y + current.point 
>  
> 
> while(!ellipsoid(current.point, y)) { 
> zeta <- rnorm(length(b), 0, 1) 
>  
>  ## normalise to be on the m- unit sphere 
>  ## and then compute lhs as a m-vector 
>  zeta <- r * zeta/sqrt(sum(zeta * zeta)) 
>  
>  
>  rhs <- fcrossprod(A, fprod(D_x(current.point), zeta)) 
>  
>  ## 
>  y <- fprod(fsolve(H_x(current.point)), rhs) 
>  y <- y + current.point 
>  
> 
>  if(ellipsoid(current.point, y)) { 
>  
>  probability <- min(1, sqrt(fdet(fprod(fsolve(H_x(current.point)),H_x(y))  ))) 
>   
>   
>  bool <- sample(c(TRUE, FALSE), 1, prob = c(probability, 1-?>probability)) 
>  if(bool) { 
>   break 
>  } 
>  } 
> } 

А вот by.total выхода:

$by.total 
         total.time total.pct self.time self.pct 
"Dikin_Walk"    401.32  99.86  7.42  1.85 
"fprod"     376.02  93.57  46.16 11.49 
"<Anonymous>"    329.34  81.95 328.90 81.84 
"cbind"     268.58  66.83  0.04  0.01 
"fcrossprod"    226.12  56.27  1.14  0.28 
"H_x"      225.82  56.19  1.16  0.29 
"fsolve"     203.82  50.72  0.14  0.03 
"ellipsoid"    126.30  31.43  0.56  0.14 
"fdet"      64.84  16.13  0.02  0.00 
"as.vector"    57.56  14.32  5.98  1.49 
"fdiag"     35.68  8.88  0.50  0.12 

fprod определяется как:

prodCpp <- 'typedef Eigen::Map<Eigen::MatrixXd> MapMatd; 
const MapMatd B(as<MapMatd>(BB)); 
const MapMatd C(as<MapMatd>(CC)); 
return wrap(B * C);' 

fprod <- cxxfunction(signature(BB = "matrix", CC = "matrix"), 
         prodCpp, "RcppEigen") 

Answer 1

<Anonymous> относится к анонимным (безымянным) функциям , Если вы выполняете такую ​​функцию в цикле, большую часть времени обычно тратится на эту функцию.

По-видимому A_b является матрицей и x вектор. Использование матричной алгебры вместо цикла:

A_b <- matrix(1:16, 4) 
x <- 1:3 
D <- apply(A_b, 1, function(row) {1/(row[1] - sum(row[-1] * x))}) 

D1 <- as.vector(1/(A_b[,1] - A_b[,-1] %*% x)) 

identical (D, D1) 
#[1] TRUE 

Edit:

Анонимная функция в магии Rcpp из fprod:

B <- matrix(rnorm(1e6),1e3) 
C <- matrix(rnorm(1e6),1e3) 

Rprof() 
for (i in 1:30) BC <- fprod(B, C) 
Rprof(NULL) 
summaryRprof() 
#$by.self 
#    self.time self.pct total.time total.pct 
#"<Anonymous>"  4.24  100  4.24  100 
# 
#$by.total 
#    total.time total.pct self.time self.pct 
#"<Anonymous>"  4.24  100  4.24  100 
#"fprod"    4.24  100  0.00  0 
# 
#$sample.interval 
#[1] 0.02 
# 
#$sampling.time 
#[1] 4.24 

Большая часть вашего времени тратится с матричным умножением , Вы можете воспользоваться оптимизированным BLAS, например, вы можете попробовать OpenBLAS.

Answer 2

Прежде всего, игнорируйте «свое время», потому что «общее время» включает в себя плюс призывы. Если вы проводите какое-либо время, в котором вы не нуждаетесь, вы, скорее всего, будете делать это, вызывая функции, чем хруст. **

Во-вторых, даже не смотрите на это. Rprofile создает файл стеков. Просто взгляните на несколько из них, выбранных наугад. Если функция отвечает за 80% времени, вы увидите ее примерно на 4 из 5 трасс стека. Более того, вы увидите, кто его называет, и вы увидите, кого он зовет, чтобы потратить время. Простые номера не говорят об этом. Сортировка трассировки стека также не говорит об этом.

Было бы даже лучше, если бы он дал номера строк, на которых были сделаны вызовы, но это не так. Несмотря на это, просто показ функций по-прежнему очень полезен.

** Профилеры отображают только «свое время», потому что они всегда есть, и потому, что все это делают, и мало кто проснулся до того, что это просто отвлечение. Если функция находится на конце трассировки стека, она находится в «self time». Так или иначе, это «включено время».