查看: 10325|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
8 s) [! ^4 n) J$ B
tic9 C3 O/ u& ?; t) J( B% [$ k
k = zeros(5,5); % //生成5×5全0矩阵
\" |/ `0 K8 e6 g
% 循环计算以下程序段100000次：
1 ]' I4 d% M' v2 b
for m = 1:1000005 g* B, k' g) |7 F4 }; D
a = rand(5,7);
\" |\" Y& k, i! A+ r
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$ z6 L( W8 x+ W
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
* _* y+ W2 e! V/ X+ Y& o8 S6 [
end
, W3 P- J\" ]3 U2 B1 u1 s6 ? k
k
( Q2 Q5 R9 c; L9 S+ h
toc+ f/ e& j8 E: B& o
\" A/ ~+ @3 t/ p! Z3 u v! ?
k =
* U3 K: w( L$ f3 ?8 G+ W8 l
! P8 j1 s9 c, q. [: a
1.0e+005 *
* `7 |# @4 s, r7 d
5 B' E5 _' k: V3 L5 C; t6 x
2.7525 2.7559 2.7481 2.7525 2.7511* K1 ^; r N2 X2 u q2 i# ]4 {$ E
2.7527 2.7535 2.7430 2.7545 2.74848 Y k2 G7 j\" [& e( J\" b \
2.7493 2.7553 2.7440 2.7513 2.7485
9 e) O* m8 ^- T\" c# {7 t
2.7481 2.7506 2.7425 2.7457 2.7460
! d% }: y; |, M4 N) O' E+ j4 G
2.7506 2.7525 2.7429 2.7488 2.7451
\" W$ B7 n0 w( A4 c
( U3 r: K7 c9 j# Z& m, ?
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
2 F9 x* c3 P9 y5 \1 f\\" o
(:t0,k,i,a,b)=3 _* I. T- L* A5 C5 ^3 F2 K
{
4 j( Q0 ?6 |; `& a
t0=clock(),
8 U- \+ L* J0 m+ d/ f
k=zeros[5,5],- R% _: y8 }! U+ m$ t; O
i=0,(i<100000).while{
a9 h) f4 g8 e0 t
oo{# r8 I+ { q$ c\\" Q
a=rand[5,7], b=rand[7,5],
0 ?, v3 W2 d3 ]1 s3 H( I+ p
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)
* W9 R: l1 Y3 Z& Z0 W$ s! v
},, B5 ` y5 n* e! I- d# E
i++
& {% v( f9 Z- A' ~5 x! v
},# `6 O2 u% u\\" h! \( M
k.outm().delete(),
2 l9 l5 t, e) Z+ U
[clock()-t0]/1000& g$ E9 z7 e7 I% ?8 ]' l9 ~
};

!using["math","sys"]; 
2 F9 x* c3 P9 y5 \1 f\\" o
(:t0,k,i,a,b)=3 _* I. T- L* A5 C5 ^3 F2 K

{ 
4 j( Q0 ?6 |; `& a
  t0=clock(), 
8 U- \+ L* J0 m+ d/ f
  k=zeros[5,5],- R% _: y8 }! U+ m$ t; O

i=0,(i<100000).while{ 
  a9 h) f4 g8 e0 t
    oo{# r8 I+ {  q$ c\\" Q

a=rand[5,7], b=rand[7,5], 
0 ?, v3 W2 d3 ]1 s3 H( I+ p
      k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg) 
* W9 R: l1 Y3 Z& Z0 W$ s! v
    },, B5 `  y5 n* e! I- d# E

i++ 
& {% v( f9 Z- A' ~5 x! v
  },# `6 O2 u% u\\" h! \( M

k.outm().delete(), 
2 l9 l5 t, e) Z+ U
  [clock()-t0]/1000& g$ E9 z7 e7 I% ?8 ]' l9 ~

};

结果：

274978 274892 274913 274949 2749536 ]. e1 T) F# u! L( d# g( k
274994 275050 275001 275037 2748929 _) ~3 h& B1 B2 @
275001 275063 275019 274963 274971/ ]5 u+ I0 a6 D7 d
274945 274999 275017 274983 274982$ x7 L# X7 I1 f/ X
275009 274984 274971 274955 2749231 S* b) `0 [1 c: N2 C! `5 v
8 Z% A9 \9 x) U
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 all2 E; K* x/ w6 ^4 k) A
a = rand(1000,1000);
, w6 |& B; l$ \) W6 h
b = rand(1000,1000);
7 A% x0 T8 o& Z0 g3 Q
tic7 [; x9 t+ I\" k' [, Z
k = a * b;
5 `: H8 y$ h3 V4 b% V
k(1:3, 5:9)
( b$ _% ]4 v; G6 j
toc: j/ x$ e- \% ?8 i/ Z% B4 ~6 `/ s
3 U6 |' g& C2 R8 z; Z( z
ans =/ V4 k: @7 |# x9 o$ H& P, f+ z
: i( E7 [, ]+ x0 Q% {
246.1003 244.3288 252.9674 258.1527 243.9345) q6 B. ]1 _ X5 Y+ M
246.7404 236.1487 249.7140 251.3887 246.0294
, I# f- l( b3 C
249.4205 240.5515 252.5847 257.0065 249.7137
# ~0 d6 q5 M `/ Z
1 {1 }( g) _ K+ R: C
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
4 z. h3 L$ S% Z1 z! Z
main(:a,b,k,t0)=, f% E' } V8 p2 n7 b1 M3 m
oo{
+ q8 G& n V+ n! R. U* `7 k
a=rand[1000,1000], b=rand[1000,1000],
# @, s! N; M+ R6 j* J: C
t0=clock(),# w$ g( ]* j3 Y4 {
k=a*b, //矩阵乘' C! g0 p* f5 |& a! h
k[1,3:5,9].outm()
0 B N\\" T3 ]7 x\\" q; c
},
+ @$ z; z, }2 H* Q' L
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.482
7 F* P* Y, U' J7 ^! p8 A
258.268 255.417 253.738 255.159 253.0423 z( h4 I, f z/ U4 e' M, l- ^\" T2 s
258.088 252.324 248.927 252.392 247.731# Q8 [+ |3 L* X6 I! v
6 V: t9 [( Q, k3 }; Y4 X
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