查看: 10331|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
) a) g- e+ \/ ]8 X( r' F$ o
tic* O+ w# p\" B; c8 s# ]8 r
k = zeros(5,5); % //生成5×5全0矩阵
1 O0 P. S+ q9 a4 N; C
% 循环计算以下程序段100000次：
; A4 X5 d. f3 L/ H$ J\" l
for m = 1:100000
+ z; j0 Q8 I9 X; U! |
a = rand(5,7);
9 n5 u3 W! r3 n8 c5 V3 q& k
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
* P4 k, X4 \& q2 K P
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
3 y, J) y/ V: C+ D& g- x
end: N8 f/ Q9 `+ P, Y0 }
k$ o$ [3 u8 k& N% s3 `
toc) S% C: w1 l* A4 K: R. ?
7 d$ ?( x, t1 d\" ]7 u# n2 U$ r! ]
k =2 H9 C5 U5 o: J6 S2 R
0 m( Q2 z! j% I e g\" `
1.0e+005 *- X\" o' C1 I- _. k# z9 k
b4 U: C6 j5 s( K5 P$ H2 R% c# U
2.7525 2.7559 2.7481 2.7525 2.7511, l& k3 D4 }/ V, P2 N) k0 G1 A
2.7527 2.7535 2.7430 2.7545 2.7484+ J\" Q! s: O2 a+ K/ P! X
2.7493 2.7553 2.7440 2.7513 2.7485
. R: g, v* ^* M4 g7 Y1 V
2.7481 2.7506 2.7425 2.7457 2.7460* Y% ?. a, f, K
2.7506 2.7525 2.7429 2.7488 2.7451
- T$ ^0 h$ f, A7 _& y |+ @7 q
) z- O. D; l\" y, q/ M5 T
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];7 Y$ g9 L ~$ s' i* y# O7 `( V; E
(:t0,k,i,a,b)=
' E* [1 b3 o) i/ H6 j
{$ A7 t( h0 Y; Z0 L# P; P ?
t0=clock(),\\" r- p3 _1 N1 S' |
k=zeros[5,5],5 ~+ ?% g# D+ v7 J% h( x( }0 b
i=0,(i<100000).while{2 \5 |' Y2 }. s8 s2 C
oo{
) j9 w. j- `7 I3 n; s) l
a=rand[5,7], b=rand[7,5],
3 ^: d, v$ Z6 |' z, Z4 E/ X/ u3 v
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)3 X% N: z- H. y9 ?+ T
},
( _ f# x! Q! h% O# V2 L
i++
2 P8 f7 w4 C% E( j) s' {0 P
},
, b! Q) |6 F$ q) A s\\" S
k.outm().delete(),( a) G- S$ ^% y
[clock()-t0]/10001 Y. q. x7 M0 G \
};

!using["math","sys"];7 Y$ g9 L  ~$ s' i* y# O7 `( V; E

(:t0,k,i,a,b)= 
' E* [1 b3 o) i/ H6 j
{$ A7 t( h0 Y; Z0 L# P; P  ?

t0=clock(),\\" r- p3 _1 N1 S' |

k=zeros[5,5],5 ~+ ?% g# D+ v7 J% h( x( }0 b

i=0,(i<100000).while{2 \5 |' Y2 }. s8 s2 C

oo{ 
) j9 w. j- `7 I3 n; s) l
      a=rand[5,7], b=rand[7,5], 
3 ^: d, v$ Z6 |' z, Z4 E/ X/ u3 v
      k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)3 X% N: z- H. y9 ?+ T

}, 
( _  f# x! Q! h% O# V2 L
    i++ 
2 P8 f7 w4 C% E( j) s' {0 P
  }, 
, b! Q) |6 F$ q) A  s\\" S
  k.outm().delete(),( a) G- S$ ^% y

[clock()-t0]/10001 Y. q. x7 M0 G  \

};

结果：

274978 274892 274913 274949 274953) O% A& T0 r( {
274994 275050 275001 275037 274892- w0 q) ~, \; w$ M! l. E
275001 275063 275019 274963 274971
7 U' P9 k6 K: Q+ i
274945 274999 275017 274983 274982
$ R* x0 C, y& b5 h: y/ G
275009 274984 274971 274955 274923
; c( _2 [* g2 q2 i
8 P- K% u4 c0 X\" S9 l5 W1 E+ O+ t+ W
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 all0 e( w& S\" P+ }: J- `' e
a = rand(1000,1000);
' P/ J. |$ V$ s2 f
b = rand(1000,1000);: c# |5 B5 g4 ^\" o/ U- X
tic
$ _+ G6 s. p/ K, ^9 E* X, P
k = a * b;
% H; P! [. j2 Q% }. w- ?$ r4 v
k(1:3, 5:9)# S- c\" q% h* I2 V0 o
toc& J: L% z: V# V0 b
. l\" B1 F, C\" h
ans =' C9 |3 F: j( F* {% K
3 h }0 I1 Y4 o2 g
246.1003 244.3288 252.9674 258.1527 243.9345+ [) t, k, J) O$ A
246.7404 236.1487 249.7140 251.3887 246.0294
1 R; ]% d4 h4 i4 _; r8 J\" w6 \
249.4205 240.5515 252.5847 257.0065 249.7137' k. Y# b; D3 _6 @
4 Y7 \9 }+ n- ?5 n
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
& \\\" ]( J% P/ E9 |* C
main(:a,b,k,t0)=2 h) J6 h+ M& r
oo{/ T4 G, c O3 H
a=rand[1000,1000], b=rand[1000,1000],
9 t+ [3 `$ T& i; y7 ?# i
t0=clock(),4 H* I7 \, p: T, Y
k=a*b, //矩阵乘
+ x, C# H4 E: l6 ^3 ]/ s
k[1,3:5,9].outm()( \- G, \6 v. N7 n
},
~\\" i9 N4 O+ b5 e# t6 Y
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.4826 K* B7 f3 C, p2 k% ~9 Z2 s
258.268 255.417 253.738 255.159 253.0426 R. o# W6 @: h# c% m
258.088 252.324 248.927 252.392 247.731
- @2 j6 |\" w6 N- o- j! S
7 I3 U9 j9 a$ V8 e0 s8 j
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