怎么查看一个程序在R语言中的运算次数，运算时间

下面的工具是可用的：

1. 最简单的 system.time(...)

2. microbenchmark：对比不同表达式的多次重复运行时间

3. 运行时间与内存效率监测，这有我的样例代码，learnR/b6.profiling.R at master · renkun-ken/learnR · GitHub，把"task/task1.R"改成你要运行的脚本文件即可，运行结束后会输出哪些代码耗时最长、占内存最大。

4. 可用Hadley的hadley/lineprof · GitHub 扩展包做监测结果的可视化输出

R语言是一种功能强大的编程语言，它可以用于数据分析，机器学习，数据可视化，统计分析等。它的一个重要特点是，它可以记住之前的数据，并且可以重复使用。这是因为R语言有一个叫做“状态”的概念，它可以让程序在运行过程中记住之前的数据，从而可以重复使用。另外，R语言还有一个叫做“环境”的概念，它可以让程序在运行过程中记住之前的状态，从而可以重复使用之前的数据。因此，R语言可以让程序在运行过程中记住之前的数据，从而可以重复使用之前的数据，从而使程序更加高效。

用BLAS库进行。

现在做的DNN、CNN都是在底层把计算转换为矩阵乘法。加速矩阵乘法就是用的BLAS库。很多情况下，application叫做R standard interface，就是单线程实现的矩阵乘的库，可以很容易地把这个库替换下面的部分，既可以替换成GPU加速的cuBLAS库，也可以是多核或多线程的intel的MKL库和OpenBLAS。通过这种方式，可以很快地提高矩阵运算速度。

Linux下有个NVBLAS库，它其实是cuBLAS的wrapper，从它里面就可以调整各种精度的矩阵乘。

它不仅支持单GPU，还支持多GPU。它的主要好处是对code不需要做任何改变，也就是zero programming effort，只需要把NVBLAS库load在前面，这个库就被替换成cuBLAS，跑到GPU上。

所以在做应用程序开发，大家通常有一种思路，如果想加速一个计算，就尝试把这个计算转换成矩阵计算，并加载各种多线程库或并行库，那么程序可以得到很快地提高，这其中不需要太多code的重写。然后看下benchmark，有两种benchmark。

蓝色的线是用原来的的R跑的程序，可以看到运行时间多很多，加载了NVBLAS库以后，运行时间少了很多。其他是一些在很多程序里运用的基础算法。当程序比较依赖于这种基础算法，就可以考虑加载很多并行库，来看程序的运行效果。

---