查看: 10526|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
tic# [. N8 ^3 J& C1 J3 O8 i
k = zeros(5,5); % //生成5×5全0矩阵6 J# X4 c7 U( I; ]: y
% 循环计算以下程序段100000次：
1 i, R9 [$ j$ ]$ v- u) i: f
for m = 1:100000+ m( q3 D) u# C9 V9 y A
a = rand(5,7);. z/ y4 R- N' b% r$ ~6 q& x2 V
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' i+ s\" w! I8 K- R' N6 n
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);2 F+ f3 F* T2 ~( r# n
end
, S& Z4 z, Y K9 ~8 l4 X2 s
k
; J' J$ m, S9 U0 a+ c
toc
* h* }. B\" Y0 I$ g
( s6 F- U& h$ e2 H8 B2 x. E
k =/ k\" _$ z9 R# W$ z/ [* [
5 U+ M# i8 s! V- r/ A/ ~% ]
1.0e+005 *. o3 o/ J3 y3 I. }3 ]% }# O Y4 W+ L
; c; ^% u. C9 F\" X4 N
2.7525 2.7559 2.7481 2.7525 2.7511 A1 g* Q: ?' O2 A! G) w/ B
2.7527 2.7535 2.7430 2.7545 2.7484
6 e; @' V- Z7 X: C) H. Y/ [9 D2 }
2.7493 2.7553 2.7440 2.7513 2.7485
; X7 q& C4 [7 ~\" d$ L9 p
2.7481 2.7506 2.7425 2.7457 2.74602 k4 a, U) ?$ Z% _# H7 z
2.7506 2.7525 2.7429 2.7488 2.7451
2 |5 t4 Y* \\" m( a2 P; H3 ^
4 n$ M+ }\" _& A1 p- [# Y* K\" T
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
5 ~9 E2 H5 C& t2 V
(:t0,k,i,a,b)=! N4 Y3 C% C0 }7 N9 }* S
{
9 f: F' @# z4 o3 b* Q, o: R' \; D* ?$ E
t0=clock(),/ O8 `2 h$ N; m+ }7 R3 g0 s
k=zeros[5,5],2 _5 G- Y# e: @; M- ` N
i=0,(i<100000).while{
. s( w3 n) ^0 |: W8 s$ Y
oo{
- O7 ?5 M* _! T1 b- ]) s: q4 B) X
a=rand[5,7], b=rand[7,5],- J. S; H0 X/ ?4 o% G1 `
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)2 D1 q0 w4 _; s' M\\" ~: m, E! [
}, K2 u0 ^9 @. u. B$ r2 h: G( L5 X
i++& T2 G# n1 Y4 ]* M4 i
},
+ \) d/ _0 Y' m5 B- `
k.outm().delete(),
! N4 R+ T$ j/ d8 }% t0 ]7 R
[clock()-t0]/10009 U* o1 f3 A4 ^# [
};

!using["math","sys"]; 
5 ~9 E2 H5 C& t2 V
(:t0,k,i,a,b)=! N4 Y3 C% C0 }7 N9 }* S

{ 
9 f: F' @# z4 o3 b* Q, o: R' \; D* ?$ E
  t0=clock(),/ O8 `2 h$ N; m+ }7 R3 g0 s

k=zeros[5,5],2 _5 G- Y# e: @; M- `  N

i=0,(i<100000).while{ 
. s( w3 n) ^0 |: W8 s$ Y
    oo{ 
- O7 ?5 M* _! T1 b- ]) s: q4 B) X
      a=rand[5,7], b=rand[7,5],- J. S; H0 X/ ?4 o% G1 `

k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)2 D1 q0 w4 _; s' M\\" ~: m, E! [

},  K2 u0 ^9 @. u. B$ r2 h: G( L5 X

i++& T2 G# n1 Y4 ]* M4 i

}, 
+ \) d/ _0 Y' m5 B- `
  k.outm().delete(), 
! N4 R+ T$ j/ d8 }% t0 ]7 R
  [clock()-t0]/10009 U* o1 f3 A4 ^# [

};

结果：

274978 274892 274913 274949 274953
2 {, L! F( A* z- p
274994 275050 275001 275037 274892
]. X q o- b6 \9 S' P
275001 275063 275019 274963 274971
5 ^ o. P& {. ?
274945 274999 275017 274983 2749828 z. Y: c: m- _% m
275009 274984 274971 274955 274923
9 W1 H1 l3 H C
) i9 n( T5 ^: {0 C
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$ `* I. [; |2 |! }, L/ O; g
a = rand(1000,1000);4 i5 ~$ V$ t- v
b = rand(1000,1000);$ P4 a- H }. m2 ~) I6 s) ~& r
tic% H9 u' _+ D; E$ e0 a
k = a * b;) G! @\" V6 }) f
k(1:3, 5:9), H: F' F3 k5 ^% X
toc
! O% b( [1 ?* o! C5 S4 K
: ]7 \) |: c( P
ans =
6 M9 h* n/ B9 {' ^
( q& Y0 _) Y+ o* ^- L0 ?+ d2 @
246.1003 244.3288 252.9674 258.1527 243.93456 g! r A! P- S3 p* a$ N1 i
246.7404 236.1487 249.7140 251.3887 246.0294# @) ~$ }/ W* J) h5 s0 L; e' y# M1 U
249.4205 240.5515 252.5847 257.0065 249.7137
1 ^$ x6 i2 R6 p. A
$ P% s2 z$ Q) ~0 x) S# H r e
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
: X9 p/ a$ ]: S, U$ I+ E4 A- v
main(:a,b,k,t0)=# N& g0 r$ m2 B$ B2 o4 x
oo{
$ z# a2 a5 b, D9 ]0 \ |2 a
a=rand[1000,1000], b=rand[1000,1000],; S$ n! N. r1 k: g( b\\" [! h
t0=clock(),
# g, E0 F/ e; B6 l\\" N* G
k=a*b, //矩阵乘
) r8 T5 x2 _' H) I5 c1 x. G7 v
k[1,3:5,9].outm()5 I- u$ Z8 N% V9 e6 I( O1 X6 _: W9 p
},
/ s; s\\" L0 j& {0 e& X
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.4821 {- M7 f0 \$ k( Z\" V( u) ~
258.268 255.417 253.738 255.159 253.042+ Z x, G) P- P9 N
258.088 252.324 248.927 252.392 247.731
2 O9 h$ K3 b2 A3 Q8 s+ P' j0 w1 b
; _5 p6 }6 k4 f2 X0 ^2 ?7 c ?8 Y
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