查看: 10770|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: N! d% j: S; k& m, `/ S
tic9 P2 u$ U! W I$ d7 h9 F9 K% V
k = zeros(5,5); % //生成5×5全0矩阵, P\" v6 @7 @1 M\" t { G
% 循环计算以下程序段100000次：
+ y, l9 b+ `' W0 k( t
for m = 1:100000; H4 f& B5 T; s& H' \1 [
a = rand(5,7);
9 b) m+ Y) f {, A; G P
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 u1 [% T; D\" o
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);' I3 K1 k1 M, ~, |\" V\" M
end
. z. {+ N7 u- @2 G& M7 d, l
k- j' ?7 C$ `+ f- { r2 l% b5 W
toc
3 m7 a1 ]+ j( ^+ a& e
) |0 H d1 H0 n# d
k =1 T+ ?+ q b/ f, ]\" ]1 z
1 I B$ ?) ]$ d5 V/ h! c
1.0e+005 *
7 d9 C8 w# x/ n7 L
0 g' P6 W5 V: F( M6 t
2.7525 2.7559 2.7481 2.7525 2.7511
]\" P; @4 a& z' j
2.7527 2.7535 2.7430 2.7545 2.7484
; g, _% y7 u. M% [+ \
2.7493 2.7553 2.7440 2.7513 2.7485# ^8 u3 E& \2 S: ^+ H
2.7481 2.7506 2.7425 2.7457 2.74609 ]+ d {1 |: x2 s' C- |1 y8 l2 t% [
2.7506 2.7525 2.7429 2.7488 2.7451
7 a. b7 {7 K. b o* z
4 m, v- P, N( w6 Q
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
& i4 H8 O8 n& s2 {) ?& E
(:t0,k,i,a,b)=
3 {1 v* O; Y# ?0 i c. ^, f
{
: Z0 K2 W) _6 g' P- F7 v$ S
t0=clock(),2 u$ T7 Q/ @# f/ S' ?6 m! h! N
k=zeros[5,5],7 Y0 e2 X( W, E5 ^& f, @) z\\" B
i=0,(i<100000).while{1 \( X0 y( \& G _! V. s# i& W
oo{
0 J\\" ^# q6 W, R- f
a=rand[5,7], b=rand[7,5],
; l/ F: K' ]1 ^
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)% }7 l\\" b9 {; `7 W' B
},
6 i c( H2 z' N, g
i++# f$ `6 U) r1 o/ m- R4 x
},, V) q$ p. h1 _, @; L$ ]* A
k.outm().delete(),
/ q8 `5 e* @ K4 N ?
[clock()-t0]/1000\\" o/ k% H' y! L! d3 ^; t
};

!using["math","sys"]; 
& i4 H8 O8 n& s2 {) ?& E
(:t0,k,i,a,b)= 
3 {1 v* O; Y# ?0 i  c. ^, f
{ 
: Z0 K2 W) _6 g' P- F7 v$ S
  t0=clock(),2 u$ T7 Q/ @# f/ S' ?6 m! h! N

k=zeros[5,5],7 Y0 e2 X( W, E5 ^& f, @) z\\" B

i=0,(i<100000).while{1 \( X0 y( \& G  _! V. s# i& W

oo{ 
0 J\\" ^# q6 W, R- f
      a=rand[5,7], b=rand[7,5], 
; l/ F: K' ]1 ^
      k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)% }7 l\\" b9 {; `7 W' B

}, 
6 i  c( H2 z' N, g
    i++# f$ `6 U) r1 o/ m- R4 x

},, V) q$ p. h1 _, @; L$ ]* A

k.outm().delete(), 
/ q8 `5 e* @  K4 N  ?
  [clock()-t0]/1000\\" o/ k% H' y! L! d3 ^; t

};

结果：

274978 274892 274913 274949 274953\" f2 e2 V9 F; O( p7 o
274994 275050 275001 275037 274892
& `* ]\" y Y Y# G\" M) {
275001 275063 275019 274963 274971
! V3 l6 U# H( T3 v
274945 274999 275017 274983 274982
( {7 i) ?2 f8 ^! }
275009 274984 274971 274955 274923 h9 r2 P6 a1 ?
K/ Q( c/ w1 D( k, n# O
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. T. W- q' Z b0 _; s2 t
a = rand(1000,1000);
8 p2 F8 w/ J, |; T
b = rand(1000,1000);
3 \& `3 D0 @. D+ S+ ?: Z0 \
tic
* ?! @6 ~# o0 }0 G. P\" l. z
k = a * b;
0 d8 ~0 z& w# S* R+ g& I
k(1:3, 5:9)
3 @( J2 h! O/ \2 }$ F# M' H
toc( R9 N4 h$ [) ]
( Y- n; ]8 i$ {* Z5 s% P
ans =, r5 T! p, s+ h\" Q/ j3 q& E4 o
3 ~3 I: I* K. T7 U- T7 J9 n2 S5 E
246.1003 244.3288 252.9674 258.1527 243.93458 ^( o, |- _7 X
246.7404 236.1487 249.7140 251.3887 246.0294
\" I5 Y6 T& { r3 p\" C& S0 J: x
249.4205 240.5515 252.5847 257.0065 249.7137
& v* ?4 a4 H( M. A3 t
* l/ a4 Q$ T: p% B
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];* M5 T5 x$ U9 ~, \3 C( `4 p, ~
main(:a,b,k,t0)=& Q7 I. S3 f) Y3 Q* ~7 P
oo{! o3 ]% \/ {8 j: B$ Q) E- M; g
a=rand[1000,1000], b=rand[1000,1000],4 _2 O7 g' H1 n- |
t0=clock(),
# M. P4 f& Y. l% S5 A2 }/ L
k=a*b, //矩阵乘+ W ^ Q+ L2 |/ g. Q. V6 A\\" S
k[1,3:5,9].outm()7 ?' U9 n# ?( t7 \( R# N+ z1 ~
},
: u: C- G5 D/ Q& k
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.482$ | |' @$ J/ K% V' v
258.268 255.417 253.738 255.159 253.042# f/ b4 H3 C8 w% Q8 ^$ V+ ?7 x$ M
258.088 252.324 248.927 252.392 247.731
; M6 L* O\" T4 r+ B7 w C4 T; N
$ y; V+ i6 R5 g m. e$ w
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