Eine Beobachtun

Für mittelgroße Matrizen sind die Overheads beim Übertragen von Matrizen von R nach C ++ für @ massiv langsamearma::mat Typen als fürNumericMatrix Typen. Zum Beispiel 250x so lange. Hier ist ein minimales Beispiel

#include <RcppArmadillo.h>
// [[Rcpp::depends(RcppArmadillo)]]
using namespace Rcpp;
using namespace arma;

// [[Rcpp::export]]
double test_nm( NumericMatrix X ) {
  return 0.0 ;
}

// [[Rcpp::export]]
double test_arma( mat X ) {
  return 0.0 ;
}

// [[Rcpp::export]]
double test_nm_conv( NumericMatrix X ) {
  mat X_arma = as<mat>( X ) ; 
  return 0.0 ;
}

Then, in R:

XX <- matrix( runif( 10000 ), 2000, 50 )
microbenchmark( test_nm( XX ), test_arma( XX ), ( XX ) )

Unit: microseconds
               expr      min       lq      mean   median       uq      max neval
        test_nm(XX)    5.541   16.154   16.0781   17.577   18.876   48.024   100
      test_arma(XX) 1280.946 1337.706 1404.0824 1361.237 1389.476 3385.868   100
   test_nm_conv(XX) 1277.417 1338.835 1393.4888 1358.128 1386.101 4355.533   100

So nur eine Matrix als @ übergebarma::mat type ist ungefähr 250x langsamer alsNumericMatrix. Das ist verrückt! So..

Fragen entstehen

Was ist los? Warum istmat s viel langsamer alsNumericMatrix?ibt es eine gute Möglichkeit, damit umzugehen? Ich habe ein Problem, bei dem ich ein @ verwenden musarma::mat für eine ziemlich einfache Matrixalgebra in einer Funktion, die oft aufgerufen wird. Ich benutze geradearma wird durchgehend eingegeben und mein Code lautetvie langsamer als ich erwartet hatte (so kam es, dass ich die dummen Beispiele oben auskochte). Eine Geschwindigkeitsstrafe von 250x ist eine so große Sache, dass ich große Teile des Codes neu schreiben werde, um @ zu verwendeNumericMatrix Typen überall. Tatsächlich könnte ich am Ende meine eigene Matrixmultiplikationsfunktion für @ schreibeNumericMatrix und aufgebenarma Typen insgesamt. Aber bevor ich es tue, gibt es bessere Lösungen?

(Obwohl ich eine andere Art zu lesen vermute, ist dies nicht dasarma::mat ist langsam von R-Typen zu konvertieren, aber dasNumericMatrix type ist unglaublich effizient!)