查看: 10609|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
+ y( ?$ {# ]8 N3 }$ u: f5 h
tic# A/ e: c. s0 L) T
k = zeros(5,5); % //生成5×5全0矩阵
# ]; H/ P g a8 @& E3 V
% 循环计算以下程序段100000次：4 a' z8 a8 a7 p
for m = 1:1000005 g# |+ ~3 q# f
a = rand(5,7);
- k2 Q9 {# p' @- p$ _( _/ u
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
7 k! m2 O4 K: I5 W' s; X, [
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);6 ]9 W\" h2 p, N8 V- K, o
end4 _3 Z/ t+ V! a- P R: |* A3 ~
k
. G- j9 u- m' m4 N) S$ k
toc7 t5 S. x5 l+ |$ M, h; c, Q: b0 z
C% i$ c* f' i. F! P* h1 _\" k
k =
( S6 y) R% y k/ x# p4 s' j
5 B8 ~4 F8 M' t
1.0e+005 *
+ B, N4 l: P\" S
$ P2 h0 T( h7 P; T# Y; E0 i\" Z( E
2.7525 2.7559 2.7481 2.7525 2.7511+ I8 {1 E4 L1 N* _6 _, ? h/ p
2.7527 2.7535 2.7430 2.7545 2.7484
* Z$ v\" {: k. ]
2.7493 2.7553 2.7440 2.7513 2.74850 U$ o: \1 w0 N9 e
2.7481 2.7506 2.7425 2.7457 2.7460
6 y% H\" f- z* l2 C. m0 w$ V
2.7506 2.7525 2.7429 2.7488 2.7451
' m! D\" r: a. b7 Z
1 A6 [$ e4 [, V* A3 j1 b; F
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];2 Z, @( q: a: ?* B$ t
(:t0,k,i,a,b)=
3 X2 I\\" Y9 X\\" _7 e g5 M' m
{
+ |8 F) B5 |' ~9 d
t0=clock(),( E$ k3 R; x- T+ L9 o
k=zeros[5,5],
, F$ O, p L) }5 y' S, h2 o- }
i=0,(i<100000).while{
- e\\" q0 C9 {9 c6 z; P; C\\" V
oo{
3 ^5 K# l. r/ R' k' o: z/ [
a=rand[5,7], b=rand[7,5],
# @. x' ^1 v. R6 w% r& Z
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg); I* y7 n7 U8 R- G: g/ t$ z. J
}, N2 O2 p4 |! z+ m, j# J
i++) z. A+ |\\" N3 k! f- v- z- l3 E( F
},# w) e; T( Z/ }9 y$ x1 S
k.outm().delete(),
7 P* t; w% `. P& U/ f
[clock()-t0]/10002 Q! \* m0 s3 [- a
};

!using["math","sys"];2 Z, @( q: a: ?* B$ t

(:t0,k,i,a,b)= 
3 X2 I\\" Y9 X\\" _7 e  g5 M' m
{ 
+ |8 F) B5 |' ~9 d
  t0=clock(),( E$ k3 R; x- T+ L9 o

k=zeros[5,5], 
, F$ O, p  L) }5 y' S, h2 o- }
  i=0,(i<100000).while{ 
- e\\" q0 C9 {9 c6 z; P; C\\" V
    oo{ 
3 ^5 K# l. r/ R' k' o: z/ [
      a=rand[5,7], b=rand[7,5], 
# @. x' ^1 v. R6 w% r& Z
      k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg); I* y7 n7 U8 R- G: g/ t$ z. J

},  N2 O2 p4 |! z+ m, j# J

i++) z. A+ |\\" N3 k! f- v- z- l3 E( F

},# w) e; T( Z/ }9 y$ x1 S

k.outm().delete(), 
7 P* t; w% `. P& U/ f
  [clock()-t0]/10002 Q! \* m0 s3 [- a

};

结果：

274978 274892 274913 274949 274953$ a' Q: D. o1 M. F
274994 275050 275001 275037 274892
275001 275063 275019 274963 274971
. t& L) L! @1 x! B
274945 274999 275017 274983 274982
& [; Z x# j! _! H. X# s, I
275009 274984 274971 274955 274923
: V( [# d& L: j1 @' I
6 b' c- F# b0 n& q; ~\" R4 L
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
: \4 F1 @3 K1 {+ |- s$ X
a = rand(1000,1000);; x3 ~6 r- x j% \& l2 b; I: H\" f
b = rand(1000,1000);
) O& M\" O4 z# R
tic, f6 ^$ ~9 E2 e$ q) J) ~\" ^5 p( K
k = a * b;
x' m& S' B4 w& N9 n% c# G( C
k(1:3, 5:9)
) I! [: c4 P3 `- u- P, ^
toc* b/ y% D! d/ }9 f$ y
- Q7 ~1 R5 L1 y- p
ans =( K1 ?* ?0 ~& q# f
9 \0 c* r! f$ ]0 n7 O B
246.1003 244.3288 252.9674 258.1527 243.9345# B5 U7 [+ Q' H: a6 E1 h
246.7404 236.1487 249.7140 251.3887 246.0294
& B0 Y9 x' L* D* {1 F% s; K3 x
249.4205 240.5515 252.5847 257.0065 249.71376 Y; @: P, h- Y- E7 I% P) l* c4 `
! P& y- [& Y8 r0 R; r
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
; `* t2 G\\" N7 C3 O
main(:a,b,k,t0)=4 Y% U2 y2 ?7 i5 y) I5 X7 d
oo{- g+ s4 o7 G4 W4 |
a=rand[1000,1000], b=rand[1000,1000],
* c9 r\\" d* A# [, X- a' j; v! E
t0=clock(),( J; b9 w( S0 q1 b
k=a*b, //矩阵乘+ Q5 W\\" _6 Q3 c2 }' Y9 d, W
k[1,3:5,9].outm()
! t7 h& W6 I4 c: S: t- p3 u
}, ]5 A. q! x, s& r. p4 r
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.482
0 d- t1 G0 U w! u- V$ t* [
258.268 255.417 253.738 255.159 253.0426 ]+ x H$ z$ |! C! j8 _5 }6 l
258.088 252.324 248.927 252.392 247.731
( \$ x g. E2 f/ @, e4 N# W
3 ?0 o. X0 a8 K3 n
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