查看: 10334|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
$ t, A5 H: p: A; s
tic* f) M4 I, O6 ?- g+ _& ]
k = zeros(5,5); % //生成5×5全0矩阵1 W& b# b# v! n* Z! h; c! e
% 循环计算以下程序段100000次：
5 p a: e3 r1 ? @# l$ B( V! c' T
for m = 1:100000
4 g6 Q0 U9 z1 z4 w
a = rand(5,7);0 R& K8 g4 t! A: w. x
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7 l5 O8 P: X; u1 |* z
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);1 q& K. L8 m8 D3 ?
end, @/ L) L. h9 T; M* z\" y2 c
k
8 b0 Z) b- m2 j: _% B8 c5 E3 M$ q
toc6 ]9 S* g$ u8 V% G9 X
! A1 @, e; n0 T2 Y\" j1 I/ B* @
k =
; `9 U* `1 _; m* K# C
2 V! I* T) ` n7 o/ g
1.0e+005 *
: N: J) D; F1 T. A
3 S4 a+ v0 _# q2 `. Y( O1 g- k; t
2.7525 2.7559 2.7481 2.7525 2.7511
' {0 {& r4 t6 f8 H1 k0 t9 }
2.7527 2.7535 2.7430 2.7545 2.7484& ~! G6 F, K7 b' z\" `1 L
2.7493 2.7553 2.7440 2.7513 2.7485
( z B/ y! d# } N
2.7481 2.7506 2.7425 2.7457 2.7460# I3 _' j7 H4 T5 T. H# H6 F7 @& a
2.7506 2.7525 2.7429 2.7488 2.7451
7 r- k( {' o) m4 ^
# ?* A& d' O; X
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
7 o4 i0 v1 e j/ g8 V, P w
(:t0,k,i,a,b)=6 o& h. H& y% ]* O3 N% R
{
/ i# y0 }8 P O6 J& ~4 Q# J
t0=clock(),
- l2 @\\" \5 g: _) }1 N2 M/ ?
k=zeros[5,5],
- u5 n% X7 |8 @9 l
i=0,(i<100000).while{# O: {8 E: ^$ _ o\\" ~
oo{# O! o) S\\" W- U8 q! |0 n% P
a=rand[5,7], b=rand[7,5],
; s3 L; t5 v! E$ p7 Q% B* a$ @- h
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg). L' F0 W1 r$ c/ [ t' ^% [+ Y
},
% w\\" P) Z3 l\\" L& ]
i++
' }\\" |$ v) E, Z8 ^
},/ ^6 {\\" `4 f! }, w2 ~ k( L3 G
k.outm().delete(),
# e* `) }* G4 k* l+ G7 Z
[clock()-t0]/1000% S7 `4 G$ J; Z* G\\" i6 d
};

!using["math","sys"]; 
7 o4 i0 v1 e  j/ g8 V, P  w
(:t0,k,i,a,b)=6 o& h. H& y% ]* O3 N% R

{ 
/ i# y0 }8 P  O6 J& ~4 Q# J
  t0=clock(), 
- l2 @\\" \5 g: _) }1 N2 M/ ?
  k=zeros[5,5], 
- u5 n% X7 |8 @9 l
  i=0,(i<100000).while{# O: {8 E: ^$ _  o\\" ~

oo{# O! o) S\\" W- U8 q! |0 n% P

a=rand[5,7], b=rand[7,5], 
; s3 L; t5 v! E$ p7 Q% B* a$ @- h
      k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg). L' F0 W1 r$ c/ [  t' ^% [+ Y

}, 
% w\\" P) Z3 l\\" L& ]
    i++ 
' }\\" |$ v) E, Z8 ^
  },/ ^6 {\\" `4 f! }, w2 ~  k( L3 G

k.outm().delete(), 
# e* `) }* G4 k* l+ G7 Z
  [clock()-t0]/1000% S7 `4 G$ J; Z* G\\" i6 d

};

结果：

274978 274892 274913 274949 274953
+ z% k' d1 ~+ q# v\" m% K
274994 275050 275001 275037 274892$ X9 z8 p5 Z0 t* c8 N
275001 275063 275019 274963 274971
( J3 b6 f& z, a+ N! f3 J- A, i
274945 274999 275017 274983 274982: B/ I! C5 c9 h7 ^( i) d( N
275009 274984 274971 274955 274923! n2 _) y. q0 Y' r' h. \+ B' O2 ^* W
) B/ {7 @# t3 D: k S: l
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 all
$ ?2 m& m5 M$ o' J. C
a = rand(1000,1000);
6 T. J: v3 l1 o/ H\" |
b = rand(1000,1000);
8 c' M; t6 i, v
tic+ W3 `, H% B$ X
k = a * b; l: C3 \; @6 l ]- N, U
k(1:3, 5:9)
% W W7 A8 b) Z3 P\" C
toc+ i1 q7 f e q
5 Z0 }4 N7 ^( L- p: @
ans =& o4 k9 z! }9 n/ w' B J
2 s) \% P- R9 L6 M( j+ O1 V* t
246.1003 244.3288 252.9674 258.1527 243.9345
# r, P5 L/ ]4 Q
246.7404 236.1487 249.7140 251.3887 246.0294
/ |, v- b+ d3 H3 R/ K
249.4205 240.5515 252.5847 257.0065 249.71377 h' J4 ^- U; l4 z! y. R6 {5 g; @
+ i. p- s3 c& W9 N1 n
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
\\" @, B( l1 a( f7 ~\\" `( x4 w
main(:a,b,k,t0)=
6 @8 w: {( j. w3 z4 G- [! }
oo{; S; ` C3 F$ D9 ] j2 z3 C
a=rand[1000,1000], b=rand[1000,1000],
$ n. V6 L; e# e; h4 e: O8 M1 w8 f$ ]
t0=clock(),
& u7 L: |. e2 g% J6 d: w
k=a*b, //矩阵乘\\" b+ ?% K I: v: ]# `
k[1,3:5,9].outm()! d4 j/ k* z& I/ {. t0 y0 |2 k' B1 R
},! B+ r7 ]! D4 V( b+ j4 h, t\\" Q9 x
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.482) J i3 K( U' P* n8 k7 c8 }- I
258.268 255.417 253.738 255.159 253.042! f& D& u: o\" d, T* M
258.088 252.324 248.927 252.392 247.731
3 O: B' q\" C$ Q
$ w; [% }' W4 t\" L4 w: p) Z
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