В настоящее время я разрабатываю пакет R, который будет использовать параллельные вычисления для решения некоторых задач с помощью «параллельного» пакета. Я получаю действительно неудобное поведение при использовании кластеров, определенных внутри...

Мне нужно запустить тысячи* моделей на 15 машинах (каждая по 4 ядра), все под Windows. Я начал изучать пакеты parallel , snow и snowfall и прочитал кучу вводных, но в основном они сосредоточены на настройке мастера. Существует лишь немного...

В чем разница между кластером и ядрами в registerDoParallel при использовании пакета doParallel? Правильно ли я понимаю, что на одной машине они взаимозаменяемы, и я получу одинаковые результаты для: cl <- makeCluster(4)...

В пакете R, над которым я работаю, есть функции (например, function1 ), которые полагаются на вспомогательные функции (например, h_function1 и h_function2 ) в моем пакете. Я распараллеливаю, чтобы многократно вызывать function1 в другой функции...

Я использовал этот код: library(parallel) cl <- makeCluster( detectCores() - 1) clusterCall(cl, function(){library(imager)}) то у меня есть функция-оболочка, которая выглядит примерно так: d <- matrix #Loading a batch of data into...