查看: 10602|回复: 7

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 all5 A% J6 v- \5 g# F; d7 p7 T
tic5 i& z$ s\" F% H1 s% n5 j$ F
k = zeros(5,5); % //生成5×5全0矩阵
* {2 o$ a* C( O% j) T5 G0 @' e
% 循环计算以下程序段100000次：
/ [/ b5 m( D( |; K# l) U
for m = 1:100000- E: d9 k8 p, h4 H\" j1 E* J E
a = rand(5,7);
4 l( j4 N5 q7 W: i- Y
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5 f7 L. }- i+ Z Y+ b) |
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
+ p9 e2 M0 i2 t1 ^4 s2 G4 f# ?
end
/ m0 j3 h* _& F
k
- V/ y; I1 G7 p$ d5 ~5 O7 r
toc
$ S+ z+ I4 z& E9 ~* E. s- ~
! m3 Y a/ f8 K4 A+ J, }
k =6 _2 z/ }* J, P1 |
9 m- i' i i6 V% G' O$ r) L3 R4 Y
1.0e+005 *
& J3 k9 y2 ~# U3 T* f* ?
0 S1 V9 c+ N% s! r! ^$ S\" ?
2.7525 2.7559 2.7481 2.7525 2.7511$ j, `% K/ F\" y! q
2.7527 2.7535 2.7430 2.7545 2.7484& O a. g& o; B2 \7 `
2.7493 2.7553 2.7440 2.7513 2.74850 Y; ?5 H9 ?8 m: L6 d: P3 Z$ ~
2.7481 2.7506 2.7425 2.7457 2.7460* d, ~' R% x7 ^
2.7506 2.7525 2.7429 2.7488 2.7451
]3 V1 j\" B6 A
2 ~1 j2 L& ]/ g\" X9 e! a
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
6 g\\" x S; g9 q: \' c- a1 x
(:t0,k,i,a,b)=% J, c+ `9 V6 K2 U, c
{
; Y' e' K' ?* L; R$ L5 E- i
t0=clock(),- @1 K+ Z6 Q, h# b6 k
k=zeros[5,5],
# U5 v+ t6 V6 k2 c; P5 m; w* {* z
i=0,(i<100000).while{
: u$ |* Y% J% a- A' p5 C
oo{: E# o3 z) w( J, F* M
a=rand[5,7], b=rand[7,5],
. ?1 J( Y\\" v' \$ t. u3 ^$ R
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)
9 z9 I% P+ L I d: h, g3 K
},
/ y\\" W$ o8 w% P9 a$ G2 I. X
i++8 O, j4 e9 j* c2 {
},
2 z2 Q; Y1 d' s6 S
k.outm().delete(),
, m# y8 a5 V0 a
[clock()-t0]/1000
};

!using["math","sys"]; 
6 g\\" x  S; g9 q: \' c- a1 x
(:t0,k,i,a,b)=% J, c+ `9 V6 K2 U, c

{ 
; Y' e' K' ?* L; R$ L5 E- i
  t0=clock(),- @1 K+ Z6 Q, h# b6 k

k=zeros[5,5], 
# U5 v+ t6 V6 k2 c; P5 m; w* {* z
  i=0,(i<100000).while{ 
: u$ |* Y% J% a- A' p5 C
    oo{: E# o3 z) w( J, F* M

a=rand[5,7], b=rand[7,5], 
. ?1 J( Y\\" v' \$ t. u3 ^$ R
      k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg) 
9 z9 I% P+ L  I  d: h, g3 K
    }, 
/ y\\" W$ o8 w% P9 a$ G2 I. X
    i++8 O, j4 e9 j* c2 {

}, 
2 z2 Q; Y1 d' s6 S
  k.outm().delete(), 
, m# y8 a5 V0 a
  [clock()-t0]/1000 
1 m0 [  _4 I5 S9 c) T7 g( G) {. D5 v* H+ s
};

结果：

274978 274892 274913 274949 2749531 y: V# p# Y- V\" q3 }. B
274994 275050 275001 275037 274892, c1 f2 v- I$ z6 L/ G$ G# f% o+ j6 M
275001 275063 275019 274963 274971, d0 l. k4 B1 q# P
274945 274999 275017 274983 2749821 p+ V; \- j' C1 q& J/ }5 J
275009 274984 274971 274955 274923
: \3 s( i$ ?% m9 J6 e, j; D: @
: @3 P C' g2 D! 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
5 l* t! p( y/ H# \0 i( j\" H
a = rand(1000,1000);
- c2 K+ t8 i6 e
b = rand(1000,1000);
$ X4 k2 }\" `& q9 r! [- q& Z
tic1 H$ X* A$ B/ Y
k = a * b;- ~6 k' Z Q7 U' x8 b2 y# G\" K
k(1:3, 5:9)
. E( {\" U, D, } W, O
toc
5 z# E2 E: o8 O3 B- }; |- g
# g3 `# |$ ~! Q! q+ Q
ans =8 f/ Q* r. y. ^
0 z$ p4 ^2 j2 ?0 I
246.1003 244.3288 252.9674 258.1527 243.9345) v1 Z1 ^) v5 N) t7 u
246.7404 236.1487 249.7140 251.3887 246.0294
- e \7 G/ X) i
249.4205 240.5515 252.5847 257.0065 249.7137\" G8 s8 K) s\" D/ H$ }, F% [, q
2 l9 k' R0 D) R5 W9 N: q6 q6 z5 G
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
; k+ h4 r4 n3 p' ~# Z: y- d9 O
main(:a,b,k,t0)=
6 U# c: R. i, D
oo{- O2 I7 j5 c0 l# \7 P6 M1 m+ ~* n( {2 @
a=rand[1000,1000], b=rand[1000,1000],
+ ~\\" Z8 O6 Y0 ]% U* y
t0=clock(),7 ?1 h$ _4 P, w) X; C% M2 r
k=a*b, //矩阵乘; W: x! n4 D# z0 }
k[1,3:5,9].outm(). R\\" u! E) s+ e' ~) @8 C
},
& d& ~) u; `4 J' D1 h
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.482( [* s2 v( m6 P, `+ p
258.268 255.417 253.738 255.159 253.042
1 H$ B- ~' N x+ m# B
258.088 252.324 248.927 252.392 247.731. f* K: x( g9 L
1 [; M7 Q% S3 P8 i3 m- v. I
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