查看: 10601|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 all
# @; X3 v' {' t( s$ A' \
tic
' {# z1 J; |: e
k = zeros(5,5); % //生成5×5全0矩阵
# D4 L\" _7 ^+ f% P, _
% 循环计算以下程序段100000次：: S. x5 D9 z6 |% I& f! N& g
for m = 1:100000, G7 M& a. F6 }
a = rand(5,7);0 ^7 y/ J& H. b* C: 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* X1 I, @( S2 x! n! i
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
0 e. b2 ^# b0 F$ e# Q
end
% B) |. u. b: ~( S4 j$ j# B
k
% J! {' s) ^! |2 ]0 z' K [$ u
toc1 S# n* B' P7 @( G- Z
: A& Y- V4 U% Q8 u$ m0 A
k =* Y7 t& f- t4 `
! n2 J( `1 L) Y) x\" X* J0 R
1.0e+005 *
% t; `) a; \2 e& P4 j+ D
1 z( A% | A! V8 ^$ O
2.7525 2.7559 2.7481 2.7525 2.7511' T, `1 I7 g5 {: H# D
2.7527 2.7535 2.7430 2.7545 2.7484
% B0 O% k! K1 x1 ]& l* N8 t
2.7493 2.7553 2.7440 2.7513 2.7485
1 Z; C& r* i$ L( f
2.7481 2.7506 2.7425 2.7457 2.7460
1 @/ K6 \: @, r2 u) e: T
2.7506 2.7525 2.7429 2.7488 2.7451. b! `8 K; Z3 A8 Q J( P
7 O* W& G3 {8 E1 p
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
% X( p) m4 X; [$ s- t
(:t0,k,i,a,b)=
& [, L8 @8 o; w\\" o' S
{
) Q. z* J: X- ?& ?9 Q
t0=clock(),4 e/ P* p( F) M' _
k=zeros[5,5],
. u, o0 |\\" S9 y9 P
i=0,(i<100000).while{3 {+ J0 J( u# @1 N* s3 n# I6 Q
oo{, k- p5 P. L; Z
a=rand[5,7], b=rand[7,5],
\\" P# f% Y* x\\" Y& b) z+ s% j
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)
7 i7 G: u O. H) Z- V1 H! R
},' ]: z1 A1 @/ j
i++! ~0 G6 R& r; y
},
3 `, L\\" a A& F9 z; r' e: D
k.outm().delete(),
; G% ?6 q- e* Q9 K: ~\\" n. J
[clock()-t0]/1000/ p0 @/ ?0 ?1 F) {9 M( j) T
};

!using["math","sys"]; 
% X( p) m4 X; [$ s- t
(:t0,k,i,a,b)= 
& [, L8 @8 o; w\\" o' S
{ 
) Q. z* J: X- ?& ?9 Q
  t0=clock(),4 e/ P* p( F) M' _

k=zeros[5,5], 
. u, o0 |\\" S9 y9 P
  i=0,(i<100000).while{3 {+ J0 J( u# @1 N* s3 n# I6 Q

oo{, k- p5 P. L; Z

a=rand[5,7], b=rand[7,5], 
\\" P# f% Y* x\\" Y& b) z+ s% j
      k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg) 
7 i7 G: u  O. H) Z- V1 H! R
    },' ]: z1 A1 @/ j

i++! ~0 G6 R& r; y

}, 
3 `, L\\" a  A& F9 z; r' e: D
  k.outm().delete(), 
; G% ?6 q- e* Q9 K: ~\\" n. J
  [clock()-t0]/1000/ p0 @/ ?0 ?1 F) {9 M( j) T

};

结果：

274978 274892 274913 274949 2749536 j( E2 X9 B\" k: }$ K$ x
274994 275050 275001 275037 2748929 E6 @0 d1 r( Z, m
275001 275063 275019 274963 274971+ o8 h8 b5 S% I8 E+ m& w& S
274945 274999 275017 274983 274982% @& q8 o. s* ]% h' N
275009 274984 274971 274955 2749230 l. u. L4 J9 p' q7 {$ f
; b! ]+ V4 Z& Z+ R\" m
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
' A' j+ R* a3 v* B0 H8 a7 N) w
a = rand(1000,1000);
$ y8 V4 }6 e+ h/ h, L% |
b = rand(1000,1000);0 u( [1 w3 |+ ]) U M
tic: K! C+ k! U5 E8 w% N; q- @+ ~
k = a * b;
* e! |0 g; X, U% E: o8 v
k(1:3, 5:9)$ e0 h4 Q: v% k; [* ~- Z
toc+ h) n. m1 k7 A) ^8 w4 ^ W\" I
$ ?6 V. ?' `; _& Y
ans =0 l6 b# U0 a2 P& j
$ {7 a% z) b6 O/ Z) w
246.1003 244.3288 252.9674 258.1527 243.9345
& u1 K% o }' W0 n
246.7404 236.1487 249.7140 251.3887 246.0294
* r4 ]) q& H( w9 S* T5 |- D8 {6 v. n
249.4205 240.5515 252.5847 257.0065 249.71370 y9 G1 D7 X X+ Z4 e! S6 A0 n
Z7 k& U; k+ j. f
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
$ o9 D6 T! |& p# v: E
main(:a,b,k,t0)=4 A8 V% P8 x) _
oo{
- [! H3 j6 }4 c2 T1 V3 V# y. K' o
a=rand[1000,1000], b=rand[1000,1000],
3 J# n: J4 \& a$ A% G' G5 \* Q8 S' ?
t0=clock(),
\\" M- G% z! ]' o7 h4 u. L( \
k=a*b, //矩阵乘
3 v' \9 S# P' a# g9 W\\" a
k[1,3:5,9].outm()
& h9 k5 R' c1 D& b- M( i7 J( U) Y
},# v$ ^4 L% g) I/ P8 K7 d2 p
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.4827 |# _0 p$ p X+ q; |4 h
258.268 255.417 253.738 255.159 253.0429 z3 t5 O( a* m! g1 ] R3 V\" `
258.088 252.324 248.927 252.392 247.731, z1 P. n( E3 q, [: [) P% N
+ u) [8 ?\" k9 l7 M5 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