平行模型评分R

Question

我正试图使用snow包在R中为弹性网络模型打分，但我不知道如何让预测函数在集群中的多个节点上运行。下面的代码包含定时基准和产生错误的实际代码：

##############
#Snow example#
##############
library(snow)
library(glmnet)
library(mlbench)
data(BostonHousing)
BostonHousing$chas<-as.numeric(BostonHousing$chas)
ind<-as.matrix(BostonHousing[,1:13],col.names=TRUE)
dep<-as.matrix(BostonHousing[,14],col.names=TRUE)
fit_lambda<-cv.glmnet(ind,dep)
#fit elastic net
fit_en<<-glmnet(ind,dep,family="gaussian",alpha=0.5,lambda=fit_lambda$lambda.min)
ind_exp<-rbind(ind,ind)
#single thread baseline
i<-0
while(i < 2000){
    ind_exp<-rbind(ind_exp,ind)
    i = i+1
    }
system.time(st<-predict(fit_en,ind_exp))
#formula for parallel execution
pred_en<-function(x){
    x<-as.matrix(x)
    return(predict(fit_en,x))
    }
#make the cluster
cl<-makeSOCKcluster(4)
clusterExport(cl,"fit_en")
clusterExport(cl,"pred_en")
#parallel baseline
system.time(mt<-parRapply(cl,ind_exp,pred_en))

我已经能够使用多核在Linux盒子上通过分叉进行并行化，但我最终不得不使用性能相当差的mclapply和unlist，并且正在寻找一种更好的方法来使用snow（顺便说一句，这在我的dev-windows PC和prod Linux服务器上都能工作）。感谢SO。

Answer 1

我应该首先说，predict.glmnet函数的计算密集度似乎不够高，不值得并行化。但这是一个有趣的例子，我的回答可能对您有所帮助，即使这个特殊的情况不值得并行化。

主要的问题是parRapply函数是apply的并行包装器，它反过来在子矩阵的行上调用您的函数，这不是您想要的。您希望在子矩阵上直接调用您的函数。Snow没有包含这样的便利函数，但写一个很容易：

rowchunkapply <- function(cl, x, fun, ...) {
    do.call('rbind', clusterApply(cl, splitRows(x, length(cl)), fun, ...))
}

示例中的另一个问题是，需要在worker上加载glmnet，以便调用正确的预测函数。您也不需要显式导出pred_en函数，因为这是为您处理的。

这是你的例子的我的版本：

library(snow)
library(glmnet)
library(mlbench)
data(BostonHousing)
BostonHousing$chas <- as.numeric(BostonHousing$chas)
ind <- as.matrix(BostonHousing[,1:13], col.names=TRUE)
dep <- as.matrix(BostonHousing[,14], col.names=TRUE)
fit_lambda <- cv.glmnet(ind, dep)
fit_en <- glmnet(ind, dep, family="gaussian", alpha=0.5,
                 lambda=fit_lambda$lambda.min)
ind_exp <- do.call("rbind", rep(list(ind), 2002))
# make and initialize the cluster
cl <- makeSOCKcluster(4)
clusterEvalQ(cl, library(glmnet))
clusterExport(cl, "fit_en")
# execute a function on row chunks of x and rbind the results
rowchunkapply <- function(cl, x, fun, ...) {
    do.call('rbind', clusterApply(cl, splitRows(x, length(cl)), fun, ...))
}
# worker function
pred_en <- function(x) {
    predict(fit_en, x)
}
mt <- rowchunkapply(cl, ind_exp, pred_en)

您可能也有兴趣使用cv.glmnet parallel选项，该选项使用foreach包。