C++17 标准引入了一个执行策略参数（例如std::execution::par_unseq），可以将其传递给库中的某些函数std以使它们并行执行，例如：
std::copy(std::execution::par_unseq, obj1.begin(), obj1.end(), obj2.begin())\n在 OpenMP 等其他框架中，可以设置它将使用的最大线程数，例如#pragma omp parallel num_threads(<desired_numer>)在部分内本地设置，或omp_set_num_threads(<desired_number>)在调用范围内设置。
我\xe2\x80\x99m 想知道如何在标准 C++ 中实现执行策略。
\n当创建Python包并将其上传到 时，它会自动安装下面文件pypi中的要求，例如setup.pyinstall_requires
from distutils.core import setup\nsetup(\n name = 'a_package',\n packages = ['a_package'],\n install_requires=['another_package']\n)\n当包具有 cython 扩展名（并且.pyx是文件而不是.c/.cpp文件）时，该setup.py文件将需要导入 cython 来创建可安装的扩展名，例如
from distutils.core import setup\nfrom distutils.extension import Extension\nfrom Cython.Distutils import build_ext\nsetup(\n name = 'a_package',\n packages = ['a_package'],\n install_requires=['another_package'],\n cmdclass = {'build_ext': build_ext},\n ext_modules = [Extension('the_extension', sources=['a_file.pyx'])]\n)\n但是由于 Cython 是在执行该部分之前导入的，因此当尝试从 从 下载的源（而不是从轮子）setup安装此包时 ，它将由于无法导入而安装失败，因为它尚未到达带有 的部分还没有达到要求。pippypicython
我\xe2\x80\x99m想知道如何才能确保在尝试导入pip此软件包之前pypi安装该软件包。cython添加requirements.txt …
我正在构建一个R包，其中包含一些.c带有使用OpenMP的代码的文件，并且这些C函数是从.cpp文件中调用的，但是.cpp文件本身并未使用OpenMP。
例如
cfile.c：
int parallel_function(double *x, int n)
{
int i;
#pragma omp parallel for firstprivate(x, n)
for (i = 0; i < n; i++){ x[i] *= 2; }
}
cppfile.cpp：
#include <Rcpp.h>
using namespace Rcpp;
extern “C” {
int parallel_function(double *x, int n);
}
// [[Rcpp::export]]
void multiply_by_two(NumericVector x, int n){parallel_function(x.begin(), n);}
为了对C文件启用OpenMP，我的第一步虽然是Makevars按照R扩展手册来构造一个这样的文件：
PKG_CFLAGS = $(SHLIB_OPENMP_CFLAGS)
PKG_LIBS = $(SHLIB_OPENMP_CFLAGS)
但这会给我以下几点：
Check: use of SHLIB_OPENMP_*FLAGS in Makefiles, Result: NOTE
src/Makevars: …Suppose I want to wrap some C or C++ code which contains arrays or vectors that cannot be automatically mapped to R types by Rcpp, but which I need to pass to C/C++ functions that would output valid R objects. For example:
typedef union {
size_t val_sizet;
long double val_longdbl;
} weird_struct
std::vector<weird_struct> an_unmappable_obj;
an_unmappable_obj.resize(2);
an_unmappable_obj[0].val_sizet = 1e20;
an_unmappable_obj[1].val_longdbl = 1.5 * 1e20;
Since this is a vector of a type that cannot be converted to any of R’s native …
我想高效地生成一个随机的，（封闭的）范围内唯一（非重复）整数的样本，[0, rnd_max]该范围内的每个数字都可以选择，并且每个样本均与样本权重相关（权重越大，越可能应该是选择了这个数字，weight[i] / sum(weight[not_taken])如果样本中还没有被选择的话，那么接下来就应该精确选择该数字）。
我看到C ++ std::discrete_distribution可以生成随机加权整数，但是如果我使用C ++ 生成随机加权整数并丢弃重复的整数，则当所取样本相对于可能范围的长度而言较大时，将会有很多失败的样本已经被采用，导致程序效率极低。我不清楚弗洛伊德（Floyd）的算法是否对样本权重的情况进行了扩展（https://math.stackexchange.com/questions/178690/whats-the-proof-of-correctness-for-robert-floyds-algorithm-选择一个罪）-我个人无法想到一个。
例如，也可以使用std::discrete_distribution将权重降低到零，或执行部分加权随机播放，例如此答案：C ++。加权的std :: shuffle-但在该答案中，std::discrete_distribution每次迭代都会重新生成，因此运行时间变为二次方（它需要循环遍历每次传递给它的权重）。
想知道对于C ++中唯一整数而言，什么是有效的加权随机样本，它对于变化的样本大小（例如，在可用范围内从1％到90％的样本数量）会很好地起作用。
#include <vector>
#include <random>
#include <algorithm>
int main()
{
size_t rnd_max = 1e5;
size_t ntake = 1e3;
unsigned int seed = 12345;
std::mt19937 rng(seed);
std::gamma_distribution<double> rgamma(1.0, 1.0);
std::vector<double> weights(rnd_max);
for (double &w : weights) w = rgamma(rng);
std::vector<int> chosen_sample(ntake);
// sampler goes here...
return 0;
}
假设我有一些 C++ 代码，其中有一个 try-catch 块，其中该catch部分将触发长跳转：
#include <stdexcept>
#include <stdio.h>
#include <setjmp.h>
void my_fun()
{
jmp_buf jump_buffer;
if (setjmp(jump_buffer))
return;
try {
std::string message;
message.resize(100);
snprintf(&message[0], 100, "error code %d\n", 3);
throw std::runtime_error(message);
}
catch (std::runtime_error &e) {
longjmp(jump_buffer, 1);
}
}
由于该std::runtime_error对象是在某处动态分配的，因此它是否会泄漏为其或字符串分配的内存？