查看: 10530|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
4 O9 k- B+ ~2 G) r) P
tic6 F/ T |( Q' f\" G$ N- F
k = zeros(5,5); % //生成5×5全0矩阵, @: T, t6 ^: s
% 循环计算以下程序段100000次：* N5 S( d$ A' `9 o4 q$ I
for m = 1:100000$ R8 k X3 f3 V d! D4 F
a = rand(5,7);
5 U5 a* m; a+ R! T
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
9 e) f. A/ i, g! F/ x
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);7 ^- T5 v5 L1 ?, f! F, T
end\" l, J& H' _$ E! Q9 g$ X0 s
k, C, V% c( d% w, ]/ q; ^
toc
8 X% m. E& |8 z$ }% ^- R6 O& Y* p
3 v: O# E; y# a; K
k =
6 ?1 M) n5 u3 B4 ~! `
7 H0 Z9 Q4 N3 a
1.0e+005 */ ^ d' q0 Y\" D* g( c
# R; z- K# g9 \( l8 {
2.7525 2.7559 2.7481 2.7525 2.75113 K8 J8 i& u! _8 _' u& }/ Q( }4 p
2.7527 2.7535 2.7430 2.7545 2.7484 N0 M8 L\" t* ~
2.7493 2.7553 2.7440 2.7513 2.7485
# o) \8 R/ h, F+ H% h6 S. T
2.7481 2.7506 2.7425 2.7457 2.74603 T% ^! E: W! B\" }& V! y# @# Y! `5 r
2.7506 2.7525 2.7429 2.7488 2.7451/ _\" l {7 h: m0 t. N5 Y\" z\" {
) l& G0 W1 }. |: t; ?
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];4 b7 }5 G% R7 F) n
(:t0,k,i,a,b)=$ B- F, Q- ?! j( d\\" y4 K# a2 D* ~+ w p
{
% R U2 J\\" B; @* M; R. E
t0=clock(),
: W- T. s2 N3 `
k=zeros[5,5],
- M8 A! b& @. ?) h) B$ b( m
i=0,(i<100000).while{
$ D\\" c% r& R! T5 L; M3 j2 k
oo{$ M7 U% `7 Q1 H) P- o/ F
a=rand[5,7], b=rand[7,5],
2 _/ J. i% x& f: L& f
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg): l/ j9 j. g9 O. S
},
( h9 M. a, t2 H2 L$ M
i++
0 t1 q$ u) }3 h5 l
},
9 g9 h1 a5 @7 A7 g- a3 k
k.outm().delete(),
4 F/ ?/ H0 W/ d; g+ l* |
[clock()-t0]/1000. E2 v& @0 h' x. {( Q\\" g# Z
};

!using["math","sys"];4 b7 }5 G% R7 F) n

(:t0,k,i,a,b)=$ B- F, Q- ?! j( d\\" y4 K# a2 D* ~+ w  p

{ 
% R  U2 J\\" B; @* M; R. E
  t0=clock(), 
: W- T. s2 N3 `
  k=zeros[5,5], 
- M8 A! b& @. ?) h) B$ b( m
  i=0,(i<100000).while{ 
$ D\\" c% r& R! T5 L; M3 j2 k
    oo{$ M7 U% `7 Q1 H) P- o/ F

a=rand[5,7], b=rand[7,5], 
2 _/ J. i% x& f: L& f
      k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg): l/ j9 j. g9 O. S

}, 
( h9 M. a, t2 H2 L$ M
    i++ 
0 t1 q$ u) }3 h5 l
  }, 
9 g9 h1 a5 @7 A7 g- a3 k
  k.outm().delete(), 
4 F/ ?/ H0 W/ d; g+ l* |
  [clock()-t0]/1000. E2 v& @0 h' x. {( Q\\" g# Z

};

结果：

274978 274892 274913 274949 274953
& k$ v& ]2 v, K- m Z$ K. G9 _
274994 275050 275001 275037 2748921 q v, b7 q0 N* u
275001 275063 275019 274963 274971
2 ]* i: I1 M' _- h9 m1 e\" b
274945 274999 275017 274983 274982
! V% E# e7 X4 W/ y: D9 l- V
275009 274984 274971 274955 2749239 P( [* u: p2 {$ e1 g* ~- q
7 |9 u( j0 H- C# j; O
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& U( w% Q8 u1 O; k$ c
a = rand(1000,1000);
% J% P$ e$ N1 p; C% g2 I
b = rand(1000,1000);+ u# L8 k$ z% m% J, I D& K
tic
7 @. ? h( d: k$ b A( _/ G
k = a * b;
5 [( V% |\" V. b\" S6 A+ b
k(1:3, 5:9)# T5 Q& y+ J- V9 M
toc
( l' Y, Q5 J( n# ]
3 Z4 c; L( V$ F5 ~3 H3 q
ans =
8 q$ ~! f1 j4 _1 G# x
E6 m6 g+ n$ i2 w4 M
246.1003 244.3288 252.9674 258.1527 243.9345) t5 C* n7 A3 }% l1 r; O
246.7404 236.1487 249.7140 251.3887 246.0294
' ^9 m) R' E( W9 G# q+ n- D2 z
249.4205 240.5515 252.5847 257.0065 249.7137
+ a9 i7 M7 N5 Y( J) Y! f+ U4 i
6 X- f7 |& \8 _\" }7 x
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
; E# E$ l9 w/ n. F( r0 ~4 e\\" {
main(:a,b,k,t0)=, Q% u K5 |6 e7 ?' I/ ?
oo{ q4 e1 h6 p+ s
a=rand[1000,1000], b=rand[1000,1000],
8 e4 N2 C/ n# \2 c
t0=clock(),
1 m; m. e3 e# ^2 h. a/ D
k=a*b, //矩阵乘8 u; n% w* }\\" \/ r4 K+ H
k[1,3:5,9].outm(). T8 {3 Z: u6 L# x
},+ k. h! Y* y# l/ {7 x0 x
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.482
) N8 @0 s; \0 [! F- H& B
258.268 255.417 253.738 255.159 253.0429 b& g2 i% R* F: n6 Z4 _
258.088 252.324 248.927 252.392 247.731\" x! }- k) y) |9 Z$ |
( \( R( T8 m2 y4 M Y& c
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