我一直在尝试运行一个大型并行操作,但让我懊恼的是,我无法在并行化 foreach
中进行分配。环形。也就是说,尝试运行以下代码不会改变 p
p <- numeric(3)
foreach(i=1:3) %dopar% {
p[i] <- 1
}
p
# [1] 0 0 0
我认为这可能是环境问题(即对
p
的分配是本地的),但更改了 <-
至 <<-
只给了我一个错误:Error in { : task 1 failed - "object 'p' not found"
有没有办法让子分配工作或解决这个问题?
在我的真实案例中,
p[i] <- 1
实际上是一次对许多元素的子赋值,随机(但在循环之前预先确定)放置在向量中,因此利用诸如 .combine = c
之类的东西遗憾的是,这是不可能的。到目前为止我尝试过的:
我尝试使用
.combine = `+`
解决此问题,像这样:s <- foreach(i=1:3, .combine = `+`) %dopar% {
p <- numeric(3)
p[i] <- 1
p
}
虽然这适用于我的小型测试用例,但当我将它应用于我的全尺寸用例时,我收到一个错误(在它运行了大约 6 个小时之后,请注意)R 无法分配大小为 6.1 GB 的向量。请注意,这比每个循环要生成的单个数百 MB 向量的大小要大得多,我想这意味着发生了一些隐藏的连接。
我的案件详情
我的问题涉及执行 k 折交叉验证,这意味着每行数据都分配了一个折叠
1
至 K
,并且 foreach 循环在折叠中循环 k = 1:K
,使用 folds != k
拟合数据模型,然后使用该模型预测剩余数据 ( folds == k
)。所以,暂时忽略这段代码不起作用,我想做一些类似的事情folds <- sample(1:K, nrow(mydata), replace = TRUE)
preds <- numeric(nrow(mydata))
foreach(k=1:K) %do% {
m <- fit_model(...) # Pseudocode
preds[folds == k] <- predict_on_model(...) # Pseudocode
}
因此,我的挑战是以正确的顺序获得 foreach 循环的输出。
最佳答案
许多人在第一次注意到不能使用 foreach 修改并行循环之外的变量时会感到困惑。您可以通过使用执行适当分配的“组合”函数来解决您的问题。例如:
library(doSNOW)
cl <- makeSOCKcluster(4)
registerDoSNOW(cl)
K <- 10
N <- 100
set.seed(4325)
folds <- sample(1:K, N, replace=TRUE)
comb <- function(p, ...) {
for (r in list(...)) {
p[folds == r$k] <- r$p
}
p
}
preds <-
foreach(k=1:K, .combine='comb', .init=numeric(N),
.multicombine=TRUE) %dopar% {
p <- 100 + k # replace this
list(k=k, p=p) # include data needed by the combine function
}
foreach 循环执行并行计算,“combine”函数执行分配。注意foreach的使用
.init
参数来指定 preds
的初始值向量。每次调用 combine 函数时,预测都会在此向量中累积。另一种解决方案是使用使用
folds
的“最终”函数对结果重新排序。向量:reorder <- function(p) p[folds]
preds <-
foreach(k=1:K, .combine='c', .final=reorder) %dopar% {
100 + k # replace this
}
虽然这是一种不太通用的技术,但我怀疑这会更有效。
关于r - 并行化 foreach 循环内的赋值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/35592073/