查看: 10332|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$ }; s8 h2 @8 I
tic
1 }! C2 r& k$ c8 @
k = zeros(5,5); % //生成5×5全0矩阵
T f! C% q `
% 循环计算以下程序段100000次：
/ j Y/ ^. ?8 k( A. q
for m = 1:100000% @: {) t c5 E8 C, I8 S- A) a
a = rand(5,7);
, Y- ~$ n: s& l; D4 R+ o. E
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
5 ~4 G3 A/ X% A3 Q% Z- k/ _! |
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
/ g, v7 [+ R5 Q4 }\" s8 U
end
# c$ s\" s3 T: i3 Z6 e) v) L! K
k
: O% q; G* F# W
toc
6 f# F, X0 q y
\" u# ~% A! m! D- T
k =, V$ J u7 X* v+ W
; i% k j5 q7 t W
1.0e+005 *9 d' ?% B/ s ^( s! x) G& H
1 j* z2 e) d5 c/ a9 r$ m
2.7525 2.7559 2.7481 2.7525 2.7511
* \\" p/ w. T! A! Z) [9 |/ R4 h! x
2.7527 2.7535 2.7430 2.7545 2.74841 z6 i! b- q( G+ w/ K$ L
2.7493 2.7553 2.7440 2.7513 2.7485
E& i' o& s6 n2 L9 M8 G( u
2.7481 2.7506 2.7425 2.7457 2.7460
3 A$ r( S/ |) m\" g
2.7506 2.7525 2.7429 2.7488 2.7451
' d, `, ^2 b' H5 _2 C9 W9 N
6 o' j- V2 _* {3 ]9 F4 {/ z
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
' W' j+ f% ?- G
(:t0,k,i,a,b)=
) A' ]+ }+ l3 }$ g/ f9 h
{
g/ J' u. @6 Y( c5 x6 p
t0=clock(),
& I) W- Q2 g W
k=zeros[5,5],
\\" B' e\\" i- k, }& _5 P
i=0,(i<100000).while{, E. G% O1 j6 V% g
oo{
! Y) g. v! v* H9 z7 t, x4 H
a=rand[5,7], b=rand[7,5],+ p. H* F. l5 C8 v b
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)
& G% s1 ^7 ~! c4 J0 x
},. u\\" s+ I- x- a5 ^' m5 k
i++0 _5 {: u4 b; [/ s7 p% n
},
8 w# P8 V! Q/ I9 H. i
k.outm().delete(),\\" l- B( c6 U D0 H, v
[clock()-t0]/1000% u% \1 D9 z6 r0 a7 H( X\\" ?
};

!using["math","sys"]; 
' W' j+ f% ?- G
(:t0,k,i,a,b)= 
) A' ]+ }+ l3 }$ g/ f9 h
{ 
  g/ J' u. @6 Y( c5 x6 p
  t0=clock(), 
& I) W- Q2 g  W
  k=zeros[5,5], 
\\" B' e\\" i- k, }& _5 P
  i=0,(i<100000).while{, E. G% O1 j6 V% g

oo{ 
! Y) g. v! v* H9 z7 t, x4 H
      a=rand[5,7], b=rand[7,5],+ p. H* F. l5 C8 v  b

k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg) 
& G% s1 ^7 ~! c4 J0 x
    },. u\\" s+ I- x- a5 ^' m5 k

i++0 _5 {: u4 b; [/ s7 p% n

}, 
8 w# P8 V! Q/ I9 H. i
  k.outm().delete(),\\" l- B( c6 U  D0 H, v

[clock()-t0]/1000% u% \1 D9 z6 r0 a7 H( X\\" ?

};

结果：

274978 274892 274913 274949 274953
% ^4 B: g9 [; H2 K
274994 275050 275001 275037 274892
2 |% B1 i* v3 q0 d& B7 V
275001 275063 275019 274963 274971% k. f% o2 {# Z6 d& p5 ]
274945 274999 275017 274983 274982
2 j# a: O4 m, a: g8 ]/ n
275009 274984 274971 274955 274923' o. K7 W. C) `4 f7 a S7 W9 [
! N4 [* S2 p/ i/ _8 l+ K
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; E* F9 D# ~\" `7 k; W3 N
a = rand(1000,1000);
- v$ s' \) Y' P b' W
b = rand(1000,1000);5 Z& n7 }# T. d$ c9 Q# s9 }
tic7 m) F. \3 g8 h! U) a& [
k = a * b;
& }. t( D# `. N9 y5 a
k(1:3, 5:9)- Y% ?( w% |+ e/ [- t. }6 S5 X7 }
toc9 l/ ]1 B4 \' v5 @ {\" c' u
# \6 v# V+ E5 f' ?( U6 L0 e/ Z
ans =% ]4 }\" H5 y& a
: i\" _7 k& D- f
246.1003 244.3288 252.9674 258.1527 243.9345
9 f8 Q& n( J! K
246.7404 236.1487 249.7140 251.3887 246.0294
/ @. p; K) f2 N# |1 E8 b
249.4205 240.5515 252.5847 257.0065 249.7137/ B0 U# N ]6 L# R\" T' b n
6 C+ F( h T: ?% ]5 _3 V2 N
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
4 q! L- J6 H* \
main(:a,b,k,t0)=* o# D2 v1 B- k; L) N1 e\\" J& j
oo{4 @8 [ R. g: q+ w0 C
a=rand[1000,1000], b=rand[1000,1000],
) M% P' k! I& N) D2 I
t0=clock(),
$ R; a/ i+ { ]1 \3 I; T
k=a*b, //矩阵乘. H5 t/ }# k3 ?( @
k[1,3:5,9].outm()
% W/ V' d7 p7 P\\" D7 W7 P L9 u# S
},' n+ R6 Q) z* V( g7 U V
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.482# W0 d/ V\" K3 a. G, u* }& j: ]
258.268 255.417 253.738 255.159 253.042
2 C7 `- e\" l! \4 Q8 v* V( E
258.088 252.324 248.927 252.392 247.731
0 X. _; }$ a ^3 o
* X( u& E. U& Z1 i\" a* C1 b
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