查看: 10326|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: U+ p% V8 Y7 R% T9 H) L
tic& F* B\" M* ~9 [: S8 U3 T
k = zeros(5,5); % //生成5×5全0矩阵% ~& t7 n8 O c( y7 R
% 循环计算以下程序段100000次：
# i; G; ]# V' }8 J$ Y
for m = 1:100000
' f: c. d- Z- T- K; V
a = rand(5,7);0 X) U# w2 u7 ~0 d
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
& V* t$ L, t/ ?3 Y
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
* v& v: X+ f0 v1 Q, [# _
end7 V' O0 `9 e2 t# g9 Y+ ?
k
) X! k. }! b8 K, ?) L
toc. U' p8 |* C( b
. B2 _# R9 k/ g: ]
k =
! \$ W) f! s) }% y7 n. @, v$ `
, n* [5 A7 H& _0 x& f) Y& X! j
1.0e+005 *
, r; U7 w3 l( x
8 U\" ^, H9 O* O0 H# U* H# z
2.7525 2.7559 2.7481 2.7525 2.7511
( @7 U& n% l( r; q6 Y3 {
2.7527 2.7535 2.7430 2.7545 2.7484
/ u. Y& [6 K5 t T' B' }
2.7493 2.7553 2.7440 2.7513 2.74855 Z\" ]5 g0 f. N9 |* Y/ e/ f( _
2.7481 2.7506 2.7425 2.7457 2.7460
; A8 t q) o' k\" ]' i; H o [
2.7506 2.7525 2.7429 2.7488 2.74510 u' A# r n/ s0 [8 D- D; V
; M# {# Z3 S) Q& H
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
* H! ?& s* t L, N v0 ^ L
(:t0,k,i,a,b)=5 R& S; ?/ J9 L. n! ` K( D
{
. p: z2 k, v\\" C# M6 V2 ]
t0=clock(),
3 B8 P: f/ d5 T0 X* [: U
k=zeros[5,5],
\\" Q# r/ u! L$ o+ W; q
i=0,(i<100000).while{
% N ]5 g3 q/ a: D* M5 Y
oo{/ G% x( P. c1 t% h# v7 J0 e
a=rand[5,7], b=rand[7,5],; K& R$ J5 Q. R
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)* _' o0 d: F8 Z9 Q9 G# A
},
/ H) e7 H, P9 P
i++
j# D# u; `: q
},
- R7 \5 @. u7 P9 m\\" f+ c* J\\" U2 z
k.outm().delete(),
: C% J& z& \9 E7 K% `
[clock()-t0]/1000
/ Q% w; g2 ^9 l: {( t
};

!using["math","sys"]; 
* H! ?& s* t  L, N  v0 ^  L
(:t0,k,i,a,b)=5 R& S; ?/ J9 L. n! `  K( D

{ 
. p: z2 k, v\\" C# M6 V2 ]
  t0=clock(), 
3 B8 P: f/ d5 T0 X* [: U
  k=zeros[5,5], 
\\" Q# r/ u! L$ o+ W; q
  i=0,(i<100000).while{ 
% N  ]5 g3 q/ a: D* M5 Y
    oo{/ G% x( P. c1 t% h# v7 J0 e

a=rand[5,7], b=rand[7,5],; K& R$ J5 Q. R

k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)* _' o0 d: F8 Z9 Q9 G# A

}, 
/ H) e7 H, P9 P
    i++ 
  j# D# u; `: q
  }, 
- R7 \5 @. u7 P9 m\\" f+ c* J\\" U2 z
  k.outm().delete(), 
: C% J& z& \9 E7 K% `
  [clock()-t0]/1000 
/ Q% w; g2 ^9 l: {( t
};

结果：

274978 274892 274913 274949 274953
- i) B3 s+ Z- o/ {
274994 275050 275001 275037 2748921 K1 p1 w; f' h4 h6 |, P
275001 275063 275019 274963 274971, V8 z/ |4 v6 Q: j4 h$ j& c
274945 274999 275017 274983 2749823 x\" h; Y3 c. N+ F$ ~- J
275009 274984 274971 274955 274923! H! H+ }. T: u# c! b6 X# [1 U
9 t* K1 q& h( t' }
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 all5 w: o [0 O- G! k7 a$ V+ T
a = rand(1000,1000);( n/ c6 \\" z- G- w
b = rand(1000,1000);: e$ E- E& @' n0 f. W
tic7 v% v$ Z6 a$ Y& R8 o% Y
k = a * b;
8 N: u' Y6 H0 P0 K' t
k(1:3, 5:9)% y& W' W) _' L- G1 J5 O4 h! @8 u
toc
; f* C/ f- @$ i8 X4 d# L: V
1 \3 i6 ~7 B& L4 o# [2 D' t7 Q8 R
ans =2 v4 e! |\" T\" w$ Y3 X+ \, h( X\" S
. M, v) E* Z3 B/ X3 G
246.1003 244.3288 252.9674 258.1527 243.9345
U- ]# z; k0 a6 K D ^
246.7404 236.1487 249.7140 251.3887 246.02946 @' s. v5 o( z
249.4205 240.5515 252.5847 257.0065 249.7137
0 n# E' O2 X9 k
) x$ F: _8 U) |/ m( u
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];) q! d9 F4 z. g\\" s
main(:a,b,k,t0)=- I, w+ T3 z7 L2 [0 F; O$ r
oo{/ g, x& Y, ?+ D+ v' {
a=rand[1000,1000], b=rand[1000,1000],
t0=clock(),0 X g9 H# e# E( _$ k
k=a*b, //矩阵乘
2 |# \/ |1 w\\" r# S
k[1,3:5,9].outm()
% Z. S% v' S\\" X$ D8 v5 b/ {
},+ m7 [1 n+ }2 E$ u
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.482: O/ B4 g: R, L) l
258.268 255.417 253.738 255.159 253.042
0 y2 u2 w$ \4 q l/ |5 _8 G
258.088 252.324 248.927 252.392 247.731
' q* a6 B, E2 \* d9 @
1 T' ?% S& d: M% a
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