查看: 10777|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
) \: K5 a- L0 r
tic5 I Y- m/ R# V9 N) G/ s$ g
k = zeros(5,5); % //生成5×5全0矩阵
. }1 s0 }+ I3 a
% 循环计算以下程序段100000次：
o B1 o4 ?) O; H
for m = 1:1000003 W7 i\" b6 N: H1 j
a = rand(5,7);( J4 w6 ~0 U; u- \
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
, o$ m! Y) O0 i. c
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
# b. c\" O9 l% g1 z- _
end
* n5 s& n! X+ r, V* b
k w4 r, V2 u2 F1 ]: R
toc! ^5 A5 m) M( z6 c9 s3 Q
4 n6 r) `4 G7 q- M9 t5 I z% W
k =3 ?' V% S8 _# a2 Q8 F
4 G; F5 }: V' l4 G; v
1.0e+005 *5 y* [8 [) [\" ]/ e. ?/ `0 O
9 u\" [4 C+ V- e! L# G1 u1 D
2.7525 2.7559 2.7481 2.7525 2.75114 F$ T' H' f- f; ^$ k* M; R\" I
2.7527 2.7535 2.7430 2.7545 2.7484
3 v2 d8 V) g7 K7 l
2.7493 2.7553 2.7440 2.7513 2.7485+ J/ J' O, [. J0 @
2.7481 2.7506 2.7425 2.7457 2.7460; y7 |/ z9 `$ t7 V$ O% \# f% l
2.7506 2.7525 2.7429 2.7488 2.7451* t1 Z! F5 b9 c+ O) V7 ~2 g
- R* X) U6 V/ c- W, H, K
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
' |- w8 i8 w! h/ g* n6 p
(:t0,k,i,a,b)=
8 e3 o8 e# P. K, G9 V. t8 M, C+ g6 q
{\\" F\\" P9 g: Q. F/ ]' R% o
t0=clock(),
* ]( A# Y/ y* e6 Y w
k=zeros[5,5],$ h: ` C- k$ S4 c& T
i=0,(i<100000).while{% M7 D+ y0 o/ b8 i8 ?0 |) D
oo{
7 W- Z/ t' k% D- j\\" X' w
a=rand[5,7], b=rand[7,5],
0 b( s, i( ^% N }- p/ r5 o\\" h; I
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)' |! o! W: g; b6 h7 @$ l4 `- J* X
},
\\" B. m8 |- R# Z0 d- b
i++
' M' y- A- y: z5 [+ |
},- o; X9 j9 W* P/ S) h
k.outm().delete(),
; m1 m- Q, K' p
[clock()-t0]/1000
0 R2 l: V8 x1 \) g G. E0 r' Z
};

!using["math","sys"]; 
' |- w8 i8 w! h/ g* n6 p
(:t0,k,i,a,b)= 
8 e3 o8 e# P. K, G9 V. t8 M, C+ g6 q
{\\" F\\" P9 g: Q. F/ ]' R% o

t0=clock(), 
* ]( A# Y/ y* e6 Y  w
  k=zeros[5,5],$ h: `  C- k$ S4 c& T

i=0,(i<100000).while{% M7 D+ y0 o/ b8 i8 ?0 |) D

oo{ 
7 W- Z/ t' k% D- j\\" X' w
      a=rand[5,7], b=rand[7,5], 
0 b( s, i( ^% N  }- p/ r5 o\\" h; I
      k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)' |! o! W: g; b6 h7 @$ l4 `- J* X

}, 
\\" B. m8 |- R# Z0 d- b
    i++ 
' M' y- A- y: z5 [+ |
  },- o; X9 j9 W* P/ S) h

k.outm().delete(), 
; m1 m- Q, K' p
  [clock()-t0]/1000 
0 R2 l: V8 x1 \) g  G. E0 r' Z
};

结果：

274978 274892 274913 274949 274953 b9 C7 B6 _& U$ B J' f% @3 ?
274994 275050 275001 275037 274892
5 l) n( r- P/ w\" D6 ?
275001 275063 275019 274963 274971& \, H& v5 [9 U/ ?
274945 274999 275017 274983 2749820 t; O0 q$ A) |
275009 274984 274971 274955 2749238 s' G0 m, }; o4 ]
+ S4 P6 e5 m\" M! W
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
% c) y3 u3 z7 F% }
a = rand(1000,1000);
/ p2 [4 l) N/ V, e5 F
b = rand(1000,1000);
8 D\" b% v* C; m; q+ o
tic2 H2 T$ [! o/ z
k = a * b;: r+ [7 O8 U; U# r
k(1:3, 5:9)
# v/ p) |1 A: e& [
toc
6 \, Z; u) A; O0 Q* `7 Z
2 ~4 r! L$ V0 n% S# D
ans =
3 ~8 {& o9 J* t, o5 C3 ?6 \
' S6 ~, [- i% c9 m+ u3 d
246.1003 244.3288 252.9674 258.1527 243.9345. f' I# C- P: y! t5 ^) f
246.7404 236.1487 249.7140 251.3887 246.0294: D\" [' ~8 E+ d1 M: l0 C
249.4205 240.5515 252.5847 257.0065 249.71376 j# B, x, G8 @, |
7 ?3 r( z$ @+ o5 F m
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];! l5 M; K5 J2 Y# B R
main(:a,b,k,t0)=9 V7 P- b( T/ I/ Z1 Z7 H b% Y: z
oo{
7 D# w8 l j- n$ |$ v! j
a=rand[1000,1000], b=rand[1000,1000],
2 Z4 y& l+ q$ C' s
t0=clock(),4 T3 y% C+ n! l
k=a*b, //矩阵乘) Z9 o8 T/ T5 a* j( ?\\" g
k[1,3:5,9].outm()* H' d E4 |4 S( d8 I/ B
},% u# c- | h& r\\" L
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.4822 g; R2 Z( `; R+ u. R; V\" l
258.268 255.417 253.738 255.159 253.042
' _5 Q0 ?( }7 y% a: W4 \9 h
258.088 252.324 248.927 252.392 247.731 p* b; m0 ? k' |' g. k- q4 B
: _3 I5 Y! U7 V6 ~
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