查看: 10528|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 all6 e/ q6 H& s2 v9 m\" N* t
tic
, c. W2 B3 h: j\" _7 [; C2 @
k = zeros(5,5); % //生成5×5全0矩阵\" F+ p+ T7 b3 v4 k
% 循环计算以下程序段100000次：
1 {( |: p) Z# \3 k# y9 u; g
for m = 1:100000, N4 _! U5 d- J
a = rand(5,7);
- B2 y$ F2 L% H D& i- M6 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3 A. F1 v( Z, x( L9 L. ?' u
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);! A7 J\" \2 `8 n1 h+ a
end/ _# U. p- Z' @% k& M* ^. {4 ]
k+ M# f. ]! g& J( ~2 R) d
toc
6 {) T* u# c7 Y1 |8 u# L
6 L- i X5 f/ t1 u
k =
' s6 s) `. _* D5 i# ` I% Q\" Y( x
2 Z' L# W: g, C( o3 i3 b1 i
1.0e+005 *
2 `; g# |0 F/ R+ t
9 K# \( K5 e a9 Y
2.7525 2.7559 2.7481 2.7525 2.7511
! C$ S& F8 P: C\" B\" x
2.7527 2.7535 2.7430 2.7545 2.7484) G V! S/ h. t0 z: `, v, e
2.7493 2.7553 2.7440 2.7513 2.7485) j, z+ a# Q6 h\" g4 }
2.7481 2.7506 2.7425 2.7457 2.7460! d! J7 X3 f; T) L\" }+ e) N* B5 Q
2.7506 2.7525 2.7429 2.7488 2.7451
- a3 |0 K6 E! ]1 W! z1 a, K
+ Z8 V+ t% _$ L( ~ Y. r
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
& c! a5 h$ p4 T& t9 F7 u
(:t0,k,i,a,b)=
) x% L8 D8 m% g4 s. g' v' q\\" X
{6 w7 Z2 C) I: ]) \
t0=clock(),8 H% E5 M- J8 L8 d+ u
k=zeros[5,5],. C$ Z( {5 T0 X: K+ j( Z
i=0,(i<100000).while{
% W: a& a8 |% x: r\\" c3 P& f
oo{
\\" B) U1 u1 l. r* R0 j9 U) P
a=rand[5,7], b=rand[7,5],& _ b9 ^) X/ r$ e! _
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)
- G9 Z8 o1 e9 H# ~
},+ I; o7 O* Z! g% i7 t( |, i5 d- J5 O
i++
# U( g% t) `& g6 `* E( d* X
},. I8 c t6 Z s& b
k.outm().delete(),0 B3 A% S+ n/ j! s
[clock()-t0]/1000
/ N* }) }! K7 G+ E/ B- A
};

!using["math","sys"]; 
& c! a5 h$ p4 T& t9 F7 u
(:t0,k,i,a,b)= 
) x% L8 D8 m% g4 s. g' v' q\\" X
{6 w7 Z2 C) I: ]) \

t0=clock(),8 H% E5 M- J8 L8 d+ u

k=zeros[5,5],. C$ Z( {5 T0 X: K+ j( Z

i=0,(i<100000).while{ 
% W: a& a8 |% x: r\\" c3 P& f
    oo{ 
\\" B) U1 u1 l. r* R0 j9 U) P
      a=rand[5,7], b=rand[7,5],& _  b9 ^) X/ r$ e! _

k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg) 
- G9 Z8 o1 e9 H# ~
    },+ I; o7 O* Z! g% i7 t( |, i5 d- J5 O

i++ 
# U( g% t) `& g6 `* E( d* X
  },. I8 c  t6 Z  s& b

k.outm().delete(),0 B3 A% S+ n/ j! s

[clock()-t0]/1000 
/ N* }) }! K7 G+ E/ B- A
};

结果：

274978 274892 274913 274949 2749538 i3 J! } X: F- U7 D
274994 275050 275001 275037 274892
9 \1 {4 `! |4 |$ ]2 A, d5 q
275001 275063 275019 274963 274971
6 a- f% N, c- C6 g# v0 a9 y
274945 274999 275017 274983 274982/ d7 h\" @ a4 |* I8 s6 r
275009 274984 274971 274955 2749239 [ ^2 E$ K2 H3 Y5 L2 O
$ u$ h6 \; h; G8 N: 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 all
( Z/ C) u. [* A0 n2 M& e1 }
a = rand(1000,1000);
j% @* }* r* j' r) n
b = rand(1000,1000);
: b\" i4 a$ @) E3 C! C; K% P' B
tic4 ~- L9 X2 j% ]6 ?: B+ e5 h# E
k = a * b;
( P5 m* D ?0 l, q8 g& e R
k(1:3, 5:9)/ [+ Q! e* Y: ~ D5 y8 d
toc7 I% N2 M; m1 b+ ~0 j! J
% c\" S% U! X: Y# R/ C: l( t' x
ans =
3 J9 ]) L( k5 \7 K2 I5 ?
' Z* H% `$ k' ]( A
246.1003 244.3288 252.9674 258.1527 243.9345
; S4 k\" b- n# {' Y8 B
246.7404 236.1487 249.7140 251.3887 246.02943 c% B1 R9 B7 Q* P6 P% `# p
249.4205 240.5515 252.5847 257.0065 249.7137
& B+ i7 g6 k' T1 a
- E* m& X6 h0 R
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
1 d* c\\" e4 q7 i1 Y! W7 a
main(:a,b,k,t0)=
' g& x- h7 C* P Q1 D. U' s
oo{0 E+ s8 b5 w) p `8 p, J* n' o
a=rand[1000,1000], b=rand[1000,1000],
% |* O; g* B X0 u7 S
t0=clock(),
5 f% w( O# Z7 K& e0 ~1 r& \/ R$ q: \
k=a*b, //矩阵乘: w/ p6 m+ y, n% U$ b
k[1,3:5,9].outm()# a: S, h9 c9 S% _% U$ H6 m
},
8 F, w1 M3 ?: c) Y& G( E/ Z5 q\\" W; N
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.482
258.268 255.417 253.738 255.159 253.0420 O4 U: @. X3 a% q8 H
258.088 252.324 248.927 252.392 247.731- R( c7 e7 |# Y$ M$ D% r
; E, N- `' t5 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