查看: 10536|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# K$ ^7 z+ E& ~, \8 W4 l, O
tic! _9 a8 q% l: i& `$ R
k = zeros(5,5); % //生成5×5全0矩阵- j8 z$ I q\" W V: X
% 循环计算以下程序段100000次：
. y% @7 _- B) V+ V1 H% k3 E
for m = 1:100000
g; h h& h% Y$ l1 s
a = rand(5,7);
7 p( K, h0 C3 Q4 H9 p7 K: p J$ O
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
- r' k$ l) [0 S$ S8 I
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);! R* _9 l4 ^' N0 m( O
end
+ k, s3 M1 ^) U1 c/ d3 ~
k# w# C6 w$ C% U$ R% J& ~8 o
toc& A, q( I1 T6 { I8 C
- B% \, V& v1 s$ m, H8 }- g6 D
k =
1 ]\" s\" l- ~7 ?* @0 P+ D9 @7 W% n
( s) F1 q# o8 P
1.0e+005 *
: i F# D4 V' L, q: H
( [- b' T2 \9 I3 ~+ [ a
2.7525 2.7559 2.7481 2.7525 2.75115 J/ P0 z. y, L6 s
2.7527 2.7535 2.7430 2.7545 2.74843 Q$ A1 @\" C! z C& {. r# [7 w9 L
2.7493 2.7553 2.7440 2.7513 2.7485
# M4 u, \( X( w2 P' A+ k
2.7481 2.7506 2.7425 2.7457 2.7460
* W3 L' G$ Q* I6 X$ e6 ?
2.7506 2.7525 2.7429 2.7488 2.7451
, O+ |5 N) O' S! e1 x
z. Z2 K( j* }0 ]6 u
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];# {9 U% Q* g0 z! M. x
(:t0,k,i,a,b)=
]. `$ `& S0 Y6 Q7 R5 P$ g
{
9 J+ p+ G) P0 _) Z! r0 z+ w! {5 Y
t0=clock(),
9 k/ v- S3 r: g& b5 S: p; Q
k=zeros[5,5],) I$ I8 C# ~\\" B1 `7 C+ z! L: Y) S# h
i=0,(i<100000).while{: R6 m& e# a( u! x
oo{1 ]* r$ |2 U6 z9 d9 @& Y
a=rand[5,7], b=rand[7,5],3 C5 V- q7 L: c) M* p& h, D
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)
6 x& O7 b+ _1 j; q8 g
},
4 @# E Y\\" v% i- q) P. I1 r _5 v
i++* k ]$ D- Y. u# o, [
},* M4 z' `\\" K9 ~7 c& i
k.outm().delete(),
r5 v* v+ h7 w* X1 }9 G
[clock()-t0]/1000
& R' @- M' a+ m* k/ T& q
};

!using["math","sys"];# {9 U% Q* g0 z! M. x

(:t0,k,i,a,b)= 
  ]. `$ `& S0 Y6 Q7 R5 P$ g
{ 
9 J+ p+ G) P0 _) Z! r0 z+ w! {5 Y
  t0=clock(), 
9 k/ v- S3 r: g& b5 S: p; Q
  k=zeros[5,5],) I$ I8 C# ~\\" B1 `7 C+ z! L: Y) S# h

i=0,(i<100000).while{: R6 m& e# a( u! x

oo{1 ]* r$ |2 U6 z9 d9 @& Y

a=rand[5,7], b=rand[7,5],3 C5 V- q7 L: c) M* p& h, D

k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg) 
6 x& O7 b+ _1 j; q8 g
    }, 
4 @# E  Y\\" v% i- q) P. I1 r  _5 v
    i++* k  ]$ D- Y. u# o, [

},* M4 z' `\\" K9 ~7 c& i

k.outm().delete(), 
  r5 v* v+ h7 w* X1 }9 G
  [clock()-t0]/1000 
& R' @- M' a+ m* k/ T& q
};

结果：

274978 274892 274913 274949 274953
$ k# B$ P$ d# g
274994 275050 275001 275037 274892\" }' Q+ k5 X* [# I; e
275001 275063 275019 274963 2749712 q0 _\" |0 R6 X# _8 p3 I. r
274945 274999 275017 274983 274982
; X- T6 M& `8 h- G' U3 U2 Y
275009 274984 274971 274955 2749233 N/ t+ l+ Q6 a7 }5 h
6 S/ G; Q3 p9 x
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
7 ?* [* c! Z. D4 h9 f' G
a = rand(1000,1000);1 _+ A' H2 E7 H/ y$ `
b = rand(1000,1000);1 K9 D7 L$ C2 F5 E/ W
tic
\" o2 o\" E: t% \, J0 n
k = a * b;( I: i2 R. P% j& m/ L- d0 j7 r$ q
k(1:3, 5:9)
7 R, y5 C/ ?4 ], ]3 Q5 `& x9 [
toc
6 L l/ F7 _( I( s2 L1 b
5 R9 M( s$ y/ l8 D5 y0 }3 f
ans =, l) O1 [, x; u, y+ d' J; \& f
9 \7 j% p. r) f* N
246.1003 244.3288 252.9674 258.1527 243.9345- l/ w+ R+ Y5 i- h* w T* z& C
246.7404 236.1487 249.7140 251.3887 246.02944 J! ^+ }) |8 I7 u9 |/ e
249.4205 240.5515 252.5847 257.0065 249.7137
$ R C3 @ K# h# V4 G
8 g# X+ j l: W9 i' z
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];4 m$ h) S4 C2 Y
main(:a,b,k,t0)=
0 Q8 @/ u$ C- t: E9 z( x
oo{8 \, i. l. H* J' D5 P) I
a=rand[1000,1000], b=rand[1000,1000], D3 v# r5 X; l& V5 N
t0=clock(),
4 p. J% @- a* z+ ?5 W
k=a*b, //矩阵乘
: [8 e% M% d) P+ D& i) s# L' n
k[1,3:5,9].outm()
+ E6 A- j7 D( Y6 U
},2 r% n: D& O. v
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.482
& A8 J& l5 h: I2 k
258.268 255.417 253.738 255.159 253.042; l; m* ?5 c( |* _6 s: u* E( p\" A
258.088 252.324 248.927 252.392 247.731
) t' _7 ^. s- y; z
$ z2 s& m/ f8 Z3 ^\" v% J$ y/ F: 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