Посев для многопоточного unif_rand ()
Я хочу посеять внутреннюю часть R unif_rand() в многопоточной среде. Приведенный ниже код генерирует матрицу из 2 столбцов из одинаковых случайных чисел в двух потоках. Результаты интересные.
struct mtRunif: public RcppParallel::Worker
{
int Nrow; // number of rows in matrix.
double *v; // point to the 0th element of the 0th column.
void operator() (std::size_t st, std::size_t end)
{
// st = 0 in the 0th thread, 1 in the 1st thread.
double *vst = v + st * Nrow;
for(int i = 0; i < Nrow; ++i)
{
vst[i] = unif_rand();
}
}mtRunif(int Nrow, double *v): Nrow(Nrow), v(v)
{
RcppParallel::parallelFor(0, 2, *this);
}
};// [[Rcpp::export]]
NumericMatrix testSeeding(int sampleSize)
{
NumericMatrix rst(sampleSize, 2);
mtRunif(sampleSize, &*rst.begin());
return rst;
}/***R
N = 100
set.seed(42); tmp = testSeeding(N)
set.seed(42); tmp2 = testSeeding(N)
# see if sequences are identical
range(tmp[, 1] - tmp2[, 1]); range(tmp[, 2] - tmp2[, 2])
# [1] 0 0
# [1] 0 0N = 1000
set.seed(42); tmp = testSeeding(N)
set.seed(42); tmp2 = testSeeding(N)
range(tmp[, 1] - tmp2[, 1]); range(tmp[, 2] - tmp2[, 2])
# [1] -0.9655154 0.8989870
# [1] -0.969356 0.963239
*/
Результаты предполагают set.seed() контролирует случайность во всех потоках для небольших размеров выборки? Первоначально я ожидал set.seed() будет эффективен не более чем в 1 потоке. Я не хочу использовать заключение, потому что оно может быть абсолютно неверным. С другой стороны, есть ли функция посева для unif_rand() сродни std::srand() за std::rand()?
Спасибо!
Решение
После рекламы dqrng в комментариях я понял, что не написал никакой документации о том, как использовать ГСЧ из этого пакета для параллельного использования. Итак, я начал новая виньетка, это будет частью следующего выпуска. Вот один из примеров, который очень похож на то, что вы пытались сделать:
#include <Rcpp.h>
// [[Rcpp::depends(dqrng)]]
#include <pcg_random.hpp>
#include <dqrng_distribution.h>
// [[Rcpp::depends(RcppParallel)]]
#include <RcppParallel.h>
// [[Rcpp::plugins(cpp11)]]
struct RandomFill : public RcppParallel::Worker {
RcppParallel::RMatrix<double> output;
uint64_t seed;
dqrng::normal_distribution dist{0.0, 1.0};
RandomFill(Rcpp::NumericMatrix output, const uint64_t seed) : output(output), seed(seed) {};
void operator()(std::size_t begin, std::size_t end) {
pcg64 rng(seed, end); // ctor with seed and stream id
auto gen = std::bind(dist, rng);
std::generate(output.begin() + begin * output.nrow(),
output.begin() + end * output.nrow(),
std::ref(gen));
}
};
// [[Rcpp::export]]
Rcpp::NumericMatrix parallel_random_matrix(const int n, const int m, const int ncores) {
Rcpp::NumericMatrix res(n, m);
RandomFill randomFill(res, 42);
RcppParallel::parallelFor(0, m, randomFill, m/ncores + 1);
return res;
}
/*** R
res <- parallel_random_matrix(1e6, 8, 4)
head(res)
*/
Результат:
> res <- parallel_random_matrix(1e6, 8, 4)
> head(res)
[,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8]
[1,] 0.7114429 -0.19759808 -0.47149983 0.6046378 -0.3709571 -0.8089533 0.8185977 0.49010575
[2,] 0.8721661 -0.47654248 1.10411136 -1.6290995 -1.3276661 -0.2585322 -1.2437521 0.90325167
[3,] -1.4959624 0.61068373 -0.54343828 -0.4623555 -1.1779352 -2.8068283 -0.4341252 1.74490995
[4,] 0.5087201 -0.05175746 0.19007581 -0.7869679 0.9672267 -0.5009787 -0.5283977 1.42487290
[5,] -0.8191448 -0.77348120 -0.03458304 0.7243224 1.0594094 -0.6951184 -0.5456669 0.00894037
[6,] 1.2289518 -2.33539762 0.40222707 -2.3346460 -0.5796549 -0.3092356 2.8961294 0.16773085
Кстати, пожалуйста, не судитесь std::rand(), Если вы хотите использовать стандартную библиотеку, пожалуйста, используйте что-то вроде std::mt19937 от random с C ++ 11.
Другие решения
Вкратце: вы не можете сделать это с помощью R по внутренним причинам, и это было подробно описано.
Существуют также статистические проблемы, касающиеся ГСЧ и потоков. Таким образом, вы, скорее всего, захотите изучить «потоковые ГСЧ», подходящие для рисования из нескольких потоков. Есть некоторые на CRAN
так же как и старший SPRNG это больше не на CRAN.