在Rcpp中是否有一种方法可以返回一个带有一些预计算值的R函数，这些值只在第一次函数调用时计算出来？考虑以下R代码：
1: func_generator<-function(X) {
2: X_tot<-sum(X)
3: function(b_vec) { (X_tot*b_vec) }
4: }
5: myfunc<-func_generator(c(3,4,5))
6: myfunc(1:2)
7: myfunc(5:6)
8: myfunc2<-func_generator(c(10,11,12,13))
...
这可以用Rcpp编程吗？在实践中，假设代替第2行进行更加计算密集的操作。
为了添加上下文，给定向量X和标量b，有一些似然函数f（b | X），它可以重新表达为f（b，s（X）），用于某些足够的统计量s（X），它只是一个函数X的，涉及一些计算。这是一个计算密集型的计算机实验，有许多向量X（很多可能性），并且对于每个可能性有许多单独调用f（bvec | X），所以我宁愿计算s（X）一次（对于每个可能性）和以某种方式保存它而不是多次重新计算它。我开始只是简单编程f（bvec，X）来评估点bvec =（b_1，...，b_n）处的f（b | X），但这有额外的开销，因为我多次调用此函数并且它每次运行时计算s（X）。我想只计算一次s（X）。
任何有关在Rcpp中有效完成此任务的建议都将受到赞赏（无论是通过返回函数;还是通过以某种其他方式存储中间计算）。
存储中间结果的一种简单方法是在函数级别的静态变量：
// [[Rcpp::plugins(cpp11)]]
#include <thread>
#include <chrono>
#include <Rcpp.h>
// [[Rcpp::export]]
Rcpp::NumericVector foo(Rcpp::NumericVector X, Rcpp::NumericVector b, bool useCache = true) {
static double cache;
static bool initialized{false};
if (!(useCache && initialized)) {
// sleep to simulate actual work
std::this_thread::sleep_for (std::chrono::seconds(1));
cache = Rcpp::sum(X);
initialized = true;
}
return cache * b;
}
/*** R
X <- 1:10
b <- 10:20
system.time(r1 <- foo(X, b))
system.time(r2 <- foo(X, b))
all.equal(r1, r2)
system.time(r3 <- foo(X, b, FALSE))
all.equal(r1, r3)
*/
输出：
> system.time(r1 <- foo(X, b))
user system elapsed
0 0 1
> system.time(r2 <- foo(X, b))
user system elapsed
0.002 0.000 0.002
> all.equal(r1, r2)
[1] TRUE
> system.time(r3 <- foo(X, b, FALSE))
user system elapsed
0 0 1
> all.equal(r1, r3)
[1] TRUE
当在第二个函数调用中使用缓存时，几乎立即计算结果。
如果你可以在不同的b上循环不同的X，这种方法是有效的。如果此限制对您不起作用，那么您可以使用R级别的memoise包来有效地存储昂贵函数的输出以用于任意输入：
// [[Rcpp::plugins(cpp11)]]
#include <thread>
#include <chrono>
#include <Rcpp.h>
// [[Rcpp::export]]
Rcpp::NumericVector foo(double total, Rcpp::NumericVector b) {
return total * b;
}
// [[Rcpp::export]]
double bar(Rcpp::NumericVector X) {
// sleep to simulate actual work
std::this_thread::sleep_for (std::chrono::seconds(1));
return Rcpp::sum(X);
}
/*** R
X1 <- 1:10
b1 <- 10:20
X2 <- 10:1
b2 <- 20:10
library(memoise)
bar2 <- memoise(bar)
system.time(r11 <- foo(bar2(X1), b1))
system.time(r21 <- foo(bar2(X2), b2))
system.time(r12 <- foo(bar2(X1), b1))
system.time(r22 <- foo(bar2(X2), b2))
all.equal(r11, r12)
all.equal(r21, r22)
*/
输出：
> system.time(r11 <- foo(bar2(X1), b1))
user system elapsed
0.001 0.000 1.001
> system.time(r21 <- foo(bar2(X2), b2))
user system elapsed
0.033 0.000 1.033
> system.time(r12 <- foo(bar2(X1), b1))
user system elapsed
0 0 0
> system.time(r22 <- foo(bar2(X2), b2))
user system elapsed
0 0 0
> all.equal(r11, r12)
[1] TRUE
> all.equal(r21, r22)
[1] TRUE
作为替代方案，您还可以将这两个函数用作函数生成器的构建块：
func_generator <- function(X) {
X_tot <- bar(X)
function(b_vec) { foo(X_tot, b_vec) }
}
myfunc <- func_generator(c(3,4,5))
myfunc2 <- func_generator(c(10,11,12,13))
myfunc(1:2)
myfunc(5:6)
myfunc2(1:2)
myfunc2(5:6)
因此，在C ++中保留数字昂贵的工作，但要保持简单。然后可以使用R添加功能方面。