查看: 10603|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* i, z( }$ O. L5 L }: b
tic% |; C ]4 x7 W. b
k = zeros(5,5); % //生成5×5全0矩阵5 G$ m2 K8 ?) Q2 M4 G4 ]5 h8 f
% 循环计算以下程序段100000次：
% Q! S: _/ Q2 a! i, a$ h& C5 N
for m = 1:100000
# \: R/ m; n- I) ]6 `3 [6 z7 @/ v
a = rand(5,7);
/ W8 y; s' O K/ c9 c
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
' W6 c7 W2 E\" y3 u1 n4 h
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
* ^3 V, ]3 P& i6 b
end
\" w, X1 |) e& r\" w( m8 d4 d
k1 l# V+ J1 ?2 {% T9 } N' m
toc
. g2 C; p& h9 j0 H3 C
5 S5 ]% p, V( `+ D+ M0 U
k =) A- \\" P3 N& o
5 F1 z* G; j) `4 r5 u
1.0e+005 *& e, K/ D- g6 Z- m3 J* R6 ?$ B
! I. @+ C9 k+ S' p% @$ j! W y) I
2.7525 2.7559 2.7481 2.7525 2.7511) [, X' V* P9 v\" A# p
2.7527 2.7535 2.7430 2.7545 2.7484
0 {9 p0 ^' T8 M1 x; q1 S3 v
2.7493 2.7553 2.7440 2.7513 2.7485* W' D) C$ o8 O4 q' e- p
2.7481 2.7506 2.7425 2.7457 2.7460
`1 g6 l2 U) d2 X
2.7506 2.7525 2.7429 2.7488 2.7451
. E8 @: T% v7 h9 X6 F
! v! J- k5 Z8 W( b
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
7 h2 y5 r8 `+ B1 n: o0 L- G- K
(:t0,k,i,a,b)=
1 y C/ i# E2 e+ B6 D
{
% ?! U3 _( O. I6 {0 f$ G% M5 y$ v
t0=clock(),
$ I6 E# ?2 D @
k=zeros[5,5],
5 O+ H+ Z1 h f
i=0,(i<100000).while{- t; q+ v8 p( A, T6 C$ {& d
oo{6 r9 z* H) x \; A
a=rand[5,7], b=rand[7,5],
: i8 U% X& X* g
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)8 o E9 `/ E1 V9 g! ?/ O7 R/ L/ v
},
% Z4 l! x+ G! o
i++. @0 }) z% K: B9 g# k6 z
},
6 E& o7 ?# T4 L6 W0 v$ v' |) E
k.outm().delete(),
7 z7 e! z5 `1 U$ Z\\" I* w) P
[clock()-t0]/1000- R5 ^, n ?# i S! x
};

!using["math","sys"]; 
7 h2 y5 r8 `+ B1 n: o0 L- G- K
(:t0,k,i,a,b)= 
1 y  C/ i# E2 e+ B6 D
{ 
% ?! U3 _( O. I6 {0 f$ G% M5 y$ v
  t0=clock(), 
$ I6 E# ?2 D  @
  k=zeros[5,5], 
5 O+ H+ Z1 h  f
  i=0,(i<100000).while{- t; q+ v8 p( A, T6 C$ {& d

oo{6 r9 z* H) x  \; A

a=rand[5,7], b=rand[7,5], 
: i8 U% X& X* g
      k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)8 o  E9 `/ E1 V9 g! ?/ O7 R/ L/ v

}, 
% Z4 l! x+ G! o
    i++. @0 }) z% K: B9 g# k6 z

}, 
6 E& o7 ?# T4 L6 W0 v$ v' |) E
  k.outm().delete(), 
7 z7 e! z5 `1 U$ Z\\" I* w) P
  [clock()-t0]/1000- R5 ^, n  ?# i  S! x

};

结果：

274978 274892 274913 274949 274953, ^1 u& `' v* w! X9 w
274994 275050 275001 275037 274892
; }! N7 ^+ j) ]+ ?
275001 275063 275019 274963 274971
. F% h+ m- S. o: ^3 o6 y
274945 274999 275017 274983 2749825 o: ^2 l5 g* c7 p$ F
275009 274984 274971 274955 274923; \5 g- y9 \! f1 Q$ E2 u
; e }8 ^9 ?9 S
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 all5 p3 z9 f/ W, [) n# ]- C* V
a = rand(1000,1000);
* L5 P3 U\" S\" A( d$ V
b = rand(1000,1000);+ F7 @/ c5 B1 q: `
tic8 x7 F1 N% m9 ^/ h3 _# ~& Z# [! r
k = a * b;
, E ]* ~/ s( ]8 g/ e8 V\" K
k(1:3, 5:9). \7 a8 s S* |( ~/ \
toc
2 _\" r* e: g! \+ O6 e4 g7 z+ I! f+ s
5 A! M5 s3 t6 L4 O6 w
ans =- ?! f8 H/ y7 y8 K- I. h, B& l. b
; C- j' i# {/ K W9 V: w
246.1003 244.3288 252.9674 258.1527 243.9345
+ e; U- \- M' [( \* n
246.7404 236.1487 249.7140 251.3887 246.0294
2 a' {( x0 c\" u- x7 l2 i
249.4205 240.5515 252.5847 257.0065 249.7137. c3 o& S! Y' U1 {\" t: S8 r' Q, @
' C0 ~1 I- J: w3 _
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
7 k3 l/ J8 x$ U7 D, Q r( J8 ~
main(:a,b,k,t0)=3 R: p1 z3 t: A1 |: u/ h8 F! @
oo{, X% c( ?* y0 A- v$ h' U o
a=rand[1000,1000], b=rand[1000,1000],2 C\\" j' l+ t' ` g6 |' L7 N
t0=clock(),
/ _# f6 b8 D: d7 i( F0 T' K3 U& ^' ?5 k
k=a*b, //矩阵乘: P0 R8 Y m& d
k[1,3:5,9].outm()
( p( W% r1 o# }9 W! m& o
},6 k! x7 V3 F; J/ W, S' s7 e4 o
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.482& S* d% o8 O% M, F% a
258.268 255.417 253.738 255.159 253.042. t$ J( w$ G, g3 r! |, F
258.088 252.324 248.927 252.392 247.731
6 B2 O& V- m% o1 Z
: N7 b( s0 f* \8 {9 S7 m
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