Муррр и карта: как сохранить промежуточные вычисления?

Пожалуйста, обратите внимание на фрагмент в конце поста. Я хотел бы иметь возможность сохранять (возможно, в виде RDS) результаты вычислений по мере их выполнения (например, каждый раз, когда обрабатываются новые 10% списка). Как мне это сделать?

library(tidyverse)
ll <- 1:1000
res <- map(ll, \(x) cos(x))
sessionInfo()
#> R version 4.4.1 (2024-06-14)
#> Platform: x86_64-pc-linux-gnu
#> Running under: Debian GNU/Linux 12 (bookworm)
#> 
#> Matrix products: default
#> BLAS:   /usr/lib/x86_64-linux-gnu/blas/libblas.so.3.11.0 
#> LAPACK: /usr/lib/x86_64-linux-gnu/lapack/liblapack.so.3.11.0
#> 
#> locale:
#>  [1] LC_CTYPE=en_GB.UTF-8       LC_NUMERIC=C              
#>  [3] LC_TIME=en_GB.UTF-8        LC_COLLATE=en_GB.UTF-8    
#>  [5] LC_MONETARY=en_GB.UTF-8    LC_MESSAGES=en_GB.UTF-8   
#>  [7] LC_PAPER=en_GB.UTF-8       LC_NAME=C                 
#>  [9] LC_ADDRESS=C               LC_TELEPHONE=C            
#> [11] LC_MEASUREMENT=en_GB.UTF-8 LC_IDENTIFICATION=C       
#> 
#> time zone: Europe/Brussels
#> tzcode source: system (glibc)
#> 
#> attached base packages:
#> [1] stats     graphics  grDevices utils     datasets  methods   base     
#> 
#> other attached packages:
#>  [1] lubridate_1.9.3 forcats_1.0.0   stringr_1.5.1   dplyr_1.1.4    
#>  [5] purrr_1.0.2     readr_2.1.5     tidyr_1.3.1     tibble_3.2.1   
#>  [9] ggplot2_3.5.1   tidyverse_2.0.0
#> 
#> loaded via a namespace (and not attached):
#>  [1] gtable_0.3.5      compiler_4.4.1    reprex_2.1.0      tidyselect_1.2.1 
#>  [5] scales_1.3.0      yaml_2.3.8        fastmap_1.1.1     R6_2.5.1         
#>  [9] generics_0.1.3    knitr_1.46        munsell_0.5.1     R.cache_0.16.0   
#> [13] tzdb_0.4.0        pillar_1.9.0      R.utils_2.12.3    rlang_1.1.3      
#> [17] utf8_1.2.4        stringi_1.8.4     xfun_0.43         fs_1.6.4         
#> [21] timechange_0.3.0  cli_3.6.2         withr_3.0.0       magrittr_2.0.3   
#> [25] digest_0.6.35     grid_4.4.1        hms_1.1.3         lifecycle_1.0.4  
#> [29] R.methodsS3_1.8.2 R.oo_1.26.0       vctrs_0.6.5       evaluate_0.23    
#> [33] glue_1.7.0        styler_1.10.3     fansi_1.0.6       colorspace_2.1-0 
#> [37] rmarkdown_2.26    tools_4.4.1       pkgconfig_2.0.3   htmltools_0.5.8.1

Created on 2024-06-27 with reprex v2.1.0

Стоит ли изучать PHP в 2026-2027 годах?
Стоит ли изучать PHP в 2026-2027 годах?
Привет всем, сегодня я хочу высказать свои соображения по поводу вопроса, который я уже много раз получал в своем сообществе: "Стоит ли изучать PHP в...
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
В JavaScript одним из самых запутанных понятий является поведение ключевого слова "this" в стрелочной и обычной функциях.
Приемы CSS-макетирования - floats и Flexbox
Приемы CSS-макетирования - floats и Flexbox
Здравствуйте, друзья-студенты! Готовы совершенствовать свои навыки веб-дизайна? Сегодня в нашем путешествии мы рассмотрим приемы CSS-верстки - в...
Тестирование функциональных ngrx-эффектов в Angular 16 с помощью Jest
В системе управления состояниями ngrx, совместимой с Angular 16, появились функциональные эффекты. Это здорово и делает код определенно легче для...
Концепция локализации и ее применение в приложениях React ⚡️
Концепция локализации и ее применение в приложениях React ⚡️
Локализация - это процесс адаптации приложения к различным языкам и культурным требованиям. Это позволяет пользователям получить опыт, соответствующий...
Пользовательский скаляр GraphQL
Пользовательский скаляр GraphQL
Листовые узлы системы типов GraphQL называются скалярами. Достигнув скалярного типа, невозможно спуститься дальше по иерархии типов. Скалярный тип...
2
0
71
3
Перейти к ответу Данный вопрос помечен как решенный

Ответы 3

Ответ принят как подходящий

Оказывается, для этого есть пакет currr («КПП» + purrr). Он не сохраняется именно в указанной вами форме (но см. ниже, как получить доступ к промежуточным результатам), но эти функции (cp_map() например)

создайте секретную папку в текущем рабочем каталоге и сохраните результаты, если они достигнут заданной контрольной точки. Таким образом, если вы перезапустите код, он прочитает результат из папки кэша и начнет оценивать, где вы закончили. [немного отредактировано из оригинала]

cp_map() имеет аргумент cp_option=, который позволяет вам указать, как часто проверять точки (т. е. сколько точек проверки на задание) и где хранить результаты.

library(currr)
options(currr.n_checkpoint = 10, currr.folder = "checkpoints")
cc <- cp_map(1:1000, name = "cos_results", cos)
list.files("checkpoints/cos_results")

Если вы хотите просмотреть эти промежуточные выходные данные напрямую (а не использовать их через пакет в качестве автоматизированной системы контрольных точек), вам придется выяснить, что это за файлы: похоже, что файлы out* хранят фрагменты вывода (например, out_301.rds есть результаты для cos(301:400)).

 [1] "et_1.rds"    "et_101.rds"  "et_201.rds"  "et_301.rds"  "et_401.rds" 
 [6] "et_501.rds"  "et_601.rds"  "et_701.rds"  "et_801.rds"  "et_901.rds" 
[11] "f.rds"       "id_1.rds"    "id_101.rds"  "id_201.rds"  "id_301.rds" 
[16] "id_401.rds"  "id_501.rds"  "id_601.rds"  "id_701.rds"  "id_801.rds" 
[21] "id_901.rds"  "meta.rds"    "out_1.rds"   "out_101.rds" "out_201.rds"
[26] "out_301.rds" "out_401.rds" "out_501.rds" "out_601.rds" "out_701.rds"
[31] "out_801.rds" "out_901.rds" "st_1.rds"    "st_101.rds"  "st_201.rds" 
[36] "st_301.rds"  "st_401.rds"  "st_501.rds"  "st_601.rds"  "st_701.rds" 
[41] "st_801.rds"  "st_901.rds"  "x.rds"      

Спасибо! Эта система контрольно-пропускных пунктов — именно то, что я искал. Я могу запустить большое задание map(), завершить его через некоторое время и перезапустить позже с последней контрольной точки. Это удовлетворяет мою потребность.

larry77 28.06.2024 23:30

Другой вариант — создать функциональный оператор и сохранить выходные данные в среде функции. Затем вы можете получить эту информацию после (или сохранить ее, используя readRDS()):

library(purrr)

funop <- function(f, niter, update_every = 0.10) {
  force(f)
  force(niter)
  i <- 0
  i_update <- floor(quantile(seq(niter), seq(update_every, 1, by = update_every)))
  output <- vector("list", length = niter)
  function(...) {
    i <<- i + 1
    val <- f(...)
    if (i %in% i_update) {
      output[[i]] <<- val # saveRDS() call here
    }
    return(val)
  }
}

mycos <- funop(cos, length(ll))
res <- map(ll, mycos)

compact(environment(mycos)$output) |> head(3)
# [[1]]
# [1] -0.8390715
# 
# [[2]]
# [1] 0.4080821
# 
# [[3]]
# [1] 0.1542514

## OR saveRDS() after
saveRDS("results", compact(environment(mycos)$output))

При этом вывод просто сохраняется в объекте списка в среде функции, но вы можете легко заменить его вызовом saveRDS(). Тогда вам не нужно будет создавать объект списка output.

library(tidyverse)
ll <- 1:1000

split_ll <- split(ll, (-1 + ll) %/% 100)

res <- imap(
  split_ll,
  \(ll_chunk, name){
    interim_res <- map(ll_chunk, \(x) cos(x))
    saveRDS(interim_res, file = paste0("ch_", name, ".RDS"))
    interim_res
  }
)

res_vec <- unlist(res)

# you also have 10 ch_*.RDS files with the partial results

Другие вопросы по теме