查看: 10776|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- F9 |7 c9 Q n0 `. I: F
tic* u& W1 D* b& l0 [7 `$ F
k = zeros(5,5); % //生成5×5全0矩阵 L& c9 Z; v0 r8 y
% 循环计算以下程序段100000次：
0 e# _6 Y3 V7 |/ M; O
for m = 1:100000
8 M# g$ x) J1 w: O/ e+ c* o3 E
a = rand(5,7);& I; A8 r8 F\" v) g
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
s. Q$ c: ]9 @7 Y J* L3 R, G' `
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
- e5 z# l3 G* ]8 ]6 d8 W
end, f8 X n: H\" U( d
k
! X: N8 R+ u5 G\" y& f
toc
6 W0 {% Q2 B* ^
2 B# _4 K8 f: s( q
k =+ i7 }( H( U7 b
) m% |5 G9 h- S7 N( k! G
1.0e+005 * J( `) ^# U' `6 h& R
. l; Q; G0 r4 }\" E1 a$ m p0 `
2.7525 2.7559 2.7481 2.7525 2.7511; [' ~. s9 e/ ?0 U. b9 W- G- S
2.7527 2.7535 2.7430 2.7545 2.7484* ^2 ~4 i% a& u' w
2.7493 2.7553 2.7440 2.7513 2.7485
' B; ~/ ^5 ]; g6 M3 a1 Y, T
2.7481 2.7506 2.7425 2.7457 2.7460
8 i+ V' b9 a5 q4 v: d# p! E: `
2.7506 2.7525 2.7429 2.7488 2.7451! j) P\" \/ o6 v\" B. `8 l) }. p
5 d) q8 I. [7 [0 H2 e# g0 a4 U
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];2 o0 i3 k+ ~0 A\\" o% W! e( U7 j
(:t0,k,i,a,b)=3 K6 c' s5 H/ C; p& z, w
{) q8 M, U; [0 |' S+ L E/ x
t0=clock(),
# X3 m( j# f! ^7 ?
k=zeros[5,5],
4 v: C8 \& M5 `
i=0,(i<100000).while{$ r2 r: H3 Y/ d% @ h: E
oo{
) c6 o6 H2 F0 U/ o. T
a=rand[5,7], b=rand[7,5],1 ]$ r6 V7 k* i! _) k/ v `
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)
G( u\\" j+ Q$ H# q5 F1 i
},
: X. `9 c3 ]$ c1 V/ W9 d8 M' J
i++
9 N, j7 [& _ t- P* _
},
; N# m\\" W+ P' y/ H$ z4 I
k.outm().delete(),6 y5 W2 s: \& N: }* h& u
[clock()-t0]/1000 i- B+ B7 f) m. H) s+ D
};

!using["math","sys"];2 o0 i3 k+ ~0 A\\" o% W! e( U7 j

(:t0,k,i,a,b)=3 K6 c' s5 H/ C; p& z, w

{) q8 M, U; [0 |' S+ L  E/ x

t0=clock(), 
# X3 m( j# f! ^7 ?
  k=zeros[5,5], 
4 v: C8 \& M5 `
  i=0,(i<100000).while{$ r2 r: H3 Y/ d% @  h: E

oo{ 
) c6 o6 H2 F0 U/ o. T
      a=rand[5,7], b=rand[7,5],1 ]$ r6 V7 k* i! _) k/ v  `

k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg) 
  G( u\\" j+ Q$ H# q5 F1 i
    }, 
: X. `9 c3 ]$ c1 V/ W9 d8 M' J
    i++ 
9 N, j7 [& _  t- P* _
  }, 
; N# m\\" W+ P' y/ H$ z4 I
  k.outm().delete(),6 y5 W2 s: \& N: }* h& u

[clock()-t0]/1000  i- B+ B7 f) m. H) s+ D

};

结果：

274978 274892 274913 274949 274953
/ `9 U+ d& w/ |3 {
274994 275050 275001 275037 274892
9 l2 P) Q4 k b1 B0 Q8 L
275001 275063 275019 274963 274971, z1 w9 v6 A n* f, c* z6 j
274945 274999 275017 274983 274982
0 [5 E, [6 o( e6 T5 _
275009 274984 274971 274955 274923. p: |. y% d+ U( y8 C4 I. w
: _- s9 ]8 c5 i+ R' c0 _
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
\5 Q6 |# M3 l# c( X
a = rand(1000,1000);/ M- x; b3 e! V$ S6 [$ Y
b = rand(1000,1000);* M, g& Z. X1 t8 w$ ?
tic! ?$ j. Z: J: A- ]* k7 X
k = a * b;9 |7 A7 n: q% v8 Q; ^! e* D
k(1:3, 5:9)\" b2 p+ _, F$ v2 E+ j; ?/ j
toc
2 D# ^& R0 C* C! _5 a a7 d' l
! P4 x x2 R$ x9 J
ans =
* ^: q\" g. P( n\" y7 d. J' g
& `3 |# v\" i3 y# v8 M6 k
246.1003 244.3288 252.9674 258.1527 243.9345 ~8 K, p' D/ C% V
246.7404 236.1487 249.7140 251.3887 246.0294
: L5 {9 }! @7 V8 j: H; C4 i7 ]% R
249.4205 240.5515 252.5847 257.0065 249.7137
9 p+ o- ~1 p, M; b\" l, ?) k
/ [) x\" Z! u7 H4 e2 w
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
, p* v l$ h; T- m
main(:a,b,k,t0)= I4 z# \! A$ r4 H
oo{0 Q' {% v+ ?+ o3 a
a=rand[1000,1000], b=rand[1000,1000],! S/ {0 S. H7 X8 w& E
t0=clock(),
0 \8 z- [/ g# u2 y
k=a*b, //矩阵乘
- h2 S4 I8 ~\\" o! U. {
k[1,3:5,9].outm()
# I( j/ r5 R9 m. L9 N
},
% m$ B z# C! y& h K9 d' w
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.482* {7 w3 i% k0 k: F' Y: D2 m( ^1 V
258.268 255.417 253.738 255.159 253.042
1 B3 E# V3 Z8 c: ~
258.088 252.324 248.927 252.392 247.7312 ]$ L) Y D& _/ ]
2 o) J B/ @/ M2 j' b* c% ~: d! R
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