是否可以在多个核心上使用 JAGS 运行多个链（细分链）

Question

例如，我想知道是否可以在 5 或 6 核上细分 JAGS 中的 3 条链。这是我的代码：

  library(parallel)
  # There is no progression bar using parallel
           jags.parallel(data = d$data,
                         inits = d$inits,
                         parameters.to.save = d$params,
                         model.file = model.jags,
                         n.chains = 3,
                         n.thin = 10,
                         n.iter = 9000,
                         n.burnin = 3000,
                         working.directory = NULL,
                         n.cluster = 3) ## the number of cluster it’s taking

如您所见，这是默认值，链数（nc 在我的情况下为 3）等于使用的核心数。

1. 这对 MCMC 的采样方式有何影响？
2. 在并行运行 MCMC 链时，是否有与 R 一起使用的最佳内核数？
3. 我看到如果我有 3 条链，我就不能低于 3 核。它给了我这个error：Error in res[[ch]] : subscript out of bounds。为什么？
4. 如果我增加核心数量，则需要更长的时间（作为比较，12 个核心比 3 个核心要多 7.2 个时间）！不应该反过来吗？
5. 如何在不删除迭代、老化或添加细化（更多内核？更改 RAM？）的情况下加快脚本速度？

我的计算机有 16 个内核，因此我可以灵活选择内核数量（还有 64 GB 的 RAM 和 3 GHz Intel Xeon E5 处理器）。

Answer 1

不可能将 3 个链拆分到多个核心上。当并行运行 JAGS 时，实际上会发生以下情况：

1. 为每个链执行指定的老化。在您的示例中，三个链将运行模型 3000 步，并且不存储该信息。

2. 一旦每个链都有适当的老化时间，您希望从后验分布中获得的样本数将平均分配到每个链上。在您的示例中，每个链将运行采样器 600 步 ((n.iter -n.thin)/n.chains)。

那么，让我们继续讨论您的问题（#1 已在上面解释）。

1. 此问题的答案将取决于您当时在该计算机上执行的其他操作。您永远不想在计算机的所有 K 核上运行它，因为它将占用您的大部分计算能力。对于较大的模型，我通常在 K-1 内核上运行 K-1 链。对于简单的模型，这并不重要。

2. 您可以在较少的内核上运行多个链，但随后您会减慢速度，因为内核上的每个链都必须按顺序计算。相反，将更少的链分流到多个核心上是行不通的。如果你有x 链，你不应该有> x cores。

3. 这可以通过问题 2 和 3 来回答。更多的链应该会增加计算，但没有更多链的更多核心不会。

4. 如果不查看您的模型，这确实无法回答。