查看: 10604|回复: 5

极限测试之Matlab与Forcal矩阵运算效率测试

[复制链接]

字体大小: 正常放大

forcal

45 主题	3 听众	282 积分

升级 91%

TA的每日心情

	难过 2012-8-27 18:22

签到天数: 1 天

[LV.1]初来乍到

电梯直达

1^#

发表于 2011-8-1 08:00 |只看该作者 |倒序浏览

|招呼Ta 关注Ta

1、小矩阵大运算量测试

Matlab 2009a代码及结果：

clear all: m\" m& m/ t5 A' ?! m2 s
tic& N6 N5 ~5 P. P
k = zeros(5,5); % //生成5×5全0矩阵6 V7 e& c6 {1 |% {
% 循环计算以下程序段100000次：+ x9 Z: N6 d* C: ]2 \& i% }
for m = 1:1000001 a$ ?) K y/ f' o/ k
a = rand(5,7);' [- g7 L9 z+ Q+ B3 A* ~9 a# f( h
b = rand(7,5);%//生成5×7矩阵a,7×5矩阵b,用0～1之间的随机数初始化/ d. l- H* F; Q. M& a3 N* C. e
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
! [6 D2 b' `4 w7 z: g- f) q
end
1 l- c* k6 O2 ?3 b ?3 }. _: G
k
6 Y% ?* y; ^1 R' z' z3 I
toc; h- f) O9 `: _+ T7 T
9 F3 E% y6 U# M
k =: ]' t d+ K) K- r
7 j4 l7 R\" q: F2 ]; V1 I# [7 Y, q
1.0e+005 *
9 J, \+ P+ A/ |8 f
' Y, V! J$ p3 ?4 s9 w/ T
2.7525 2.7559 2.7481 2.7525 2.75116 r, R+ k3 G. {
2.7527 2.7535 2.7430 2.7545 2.7484% W- {3 H7 @$ |, E6 W1 C
2.7493 2.7553 2.7440 2.7513 2.74854 g* a/ K( S1 I1 R; q' i0 D
2.7481 2.7506 2.7425 2.7457 2.7460
9 J3 s4 H) l2 H$ Z9 z9 n
2.7506 2.7525 2.7429 2.7488 2.7451
' W, r f8 W! n/ q9 s* v( \
\" e$ F+ r% t% e G
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];+ F, G) {% c$ E' [% o
(:t0,k,i,a,b)=0 V/ t* z; t+ V: ^# H3 _! ?/ O' M
{
3 e% A: k3 f; |( T; M
t0=clock(),
$ x B/ X q+ o
k=zeros[5,5],. _9 |0 f# { s; X$ Q, e
i=0,(i<100000).while{
! u0 k6 v' p7 N' @) E! P\\" |
oo{
1 e: R- K f+ e* y
a=rand[5,7], b=rand[7,5],
9 }2 {% o' u! H# r
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)) ~7 t- K8 J& d* U P: D
},
4 L+ q y4 x0 G( z
i++' D9 o3 H% a2 R% r# K& d$ b
},
7 M8 h# K( M: _\\" u
k.outm().delete(), q4 z( v. W _; E4 P
[clock()-t0]/1000( U5 W e7 P% ?$ k( m7 H/ g
};

!using["math","sys"];+ F, G) {% c$ E' [% o

(:t0,k,i,a,b)=0 V/ t* z; t+ V: ^# H3 _! ?/ O' M

{ 
3 e% A: k3 f; |( T; M
  t0=clock(), 
$ x  B/ X  q+ o
  k=zeros[5,5],. _9 |0 f# {  s; X$ Q, e

i=0,(i<100000).while{ 
! u0 k6 v' p7 N' @) E! P\\" |
    oo{ 
1 e: R- K  f+ e* y
      a=rand[5,7], b=rand[7,5], 
9 }2 {% o' u! H# r
      k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)) ~7 t- K8 J& d* U  P: D

}, 
4 L+ q  y4 x0 G( z
    i++' D9 o3 H% a2 R% r# K& d$ b

}, 
7 M8 h# K( M: _\\" u
  k.outm().delete(),  q4 z( v. W  _; E4 P

[clock()-t0]/1000( U5 W  e7 P% ?$ k( m7 H/ g

};

结果：

274978 274892 274913 274949 274953
6 a$ J8 R. \: a( E5 B7 I3 O
274994 275050 275001 275037 274892
7 {0 v6 t, ~8 U8 E
275001 275063 275019 274963 274971% h# A+ i\" K: _ k% o1 s. L
274945 274999 275017 274983 274982
. m# w( C4 c( C+ C
275009 274984 274971 274955 274923
5 U* X9 C; U5 J* I8 I
& }1 ^- h0 l6 S N4 ]\" E9 Q; i
3.516 秒

复制代码

此类运算Forcal的效率有Matlab的一半稍多一点。

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

2、大型矩阵乘

Matlab 2009a代码及结果：

clear all6 S7 s# p6 w& i. {! S5 H' O
a = rand(1000,1000);
' f8 s, T4 h+ }1 v& j9 i
b = rand(1000,1000);
4 @' X' \' ~3 r
tic/ @+ R1 W) B* T; Y9 d3 ], x+ f1 h
k = a * b;7 U% x, B6 `- D& i& U
k(1:3, 5:9)
2 |\" p4 Z7 t' f
toc
$ A1 f/ M/ w+ s! o( J( k. @
; v! }* O$ x/ `2 p0 T& h
ans =
Y4 f. t0 R+ g
& a `+ _5 A( \$ W4 J
246.1003 244.3288 252.9674 258.1527 243.9345
5 N+ G5 n8 W' \7 h
246.7404 236.1487 249.7140 251.3887 246.0294
1 o9 n# ^/ w' \6 l @
249.4205 240.5515 252.5847 257.0065 249.7137
3 C+ J) |! j d6 G
6 c& B\" ?- o: D/ I, o9 Z9 p% s3 m
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
7 y, b. H! J; M
main(:a,b,k,t0)=9 u: d6 L* l& @. D# ^% \3 T
oo{% C( Q4 M% P5 b+ `* _
a=rand[1000,1000], b=rand[1000,1000],1 q/ K! j( U' J. [$ _
t0=clock(),
( `8 g- s9 W/ m8 _! m
k=a*b, //矩阵乘
4 |6 q6 `$ u7 R
k[1,3:5,9].outm()0 s3 k2 l( y4 S8 W1 ]
},
4 T4 E# \6 Y' ^- `2 \, T
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.482 S/ n' {! l$ h\" T |3 n
258.268 255.417 253.738 255.159 253.042
) Z2 g8 m6 E+ \0 K# d! A9 z# D
258.088 252.324 248.927 252.392 247.731
' H1 O; ?9 f5 C
; i4 ^% A4 z9 M& `) L& F* G. j
2.25

复制代码

此类运算Matlab的速度约是Forcal的7倍多。

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

矩阵运算是Matlab的优势。不过，个人认为，矩阵计算速度取决于算法，矩阵算法只是众多数值算法的一种，不属于语言的基本特性。然而，拥有高效的矩阵算法是matlab的骄傲，就像优化算法是1stopt的骄傲一样。

Forcal的矩阵乘是用普通的矩阵乘经过改进而成的，效率自然低，但所有的数值算法包括矩阵运算是由Forcal扩展库实现的，只要有高效的算法，Forcal便可大展身手，为所有这些算法提高更高效的服务。

除了矩阵运算，Matlab还有许多非语言特性的优势，例如函数图形功能（不包括其GUI，Forcal是嵌入式脚本，C/C++、Delphi等的GUI就是Forcal的GUI）、符号计算功能、控制仿真、金融建模等等。这些实用方便的算法模块使matlab获得了广大用户的青睐。

zan