Я ' m с помощью функции mclapply
в многоядерном пакете
для параллельной обработки. Похоже, что все запущенные дочерние процессы производят одинаковые имена для временных файлов, заданные функцией tempfile
. т.е. если у меня четыре процессора,
library(multicore)
mclapply(1:4, function(x) tempfile())
даст четыре точно таких же имени файла. Очевидно, мне нужно, чтобы временные файлы были разными, чтобы дочерние процессы не перезаписывали файлы друг друга. При косвенном использовании временного файла
, то есть при вызове некоторой функции, которая вызывает временный файл
, я не могу контролировать имя файла.
Есть ли способ обойти это? Есть ли у других пакетов параллельной обработки для R (например, foreach
) такая же проблема?
Обновление : это больше не проблема, начиная с R 2.14.1. Некоторым из них нужны импортированные функции. Каковы плюсы и минусы импорта необходимых вещей внутри class / ...
Я создал модуль с именем util
, который предоставляет классы и функции, которые я часто использую в Python.
Некоторым из них нужны импортированные функции. Каковы плюсы и минусы импорта необходимых вещей внутри определения класса / функции? Что лучше, чем import
в начале файла модуля? Это хорошая идея?