查看: 10538|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- L* O; I- G4 {
tic
1 {3 }( _\" d% J+ g8 B' l
k = zeros(5,5); % //生成5×5全0矩阵
7 v+ h5 K6 u6 j5 Y
% 循环计算以下程序段100000次：
1 r# u: l- X) j& d- `2 V, ~- m4 `
for m = 1:100000
( W& N\" s0 g) B* y9 E3 v2 |. \
a = rand(5,7);
. W! d& y3 u+ s\" R
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2 \+ b: F9 Q& K
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
% ]9 F9 X! n) V8 \; B
end
& s6 r; q! w- H0 w& H
k- X/ Q% f) v; H& o! O% G
toc. n3 M5 `. Q4 n0 r+ n3 P2 q
2 }4 r2 @4 [. C( A% d5 l
k =
- \6 ]4 `; S( I( Y( F- _
( h) a+ j2 t6 ~2 j
1.0e+005 *) R8 M' B. u4 }# G
( n7 J: V, @7 x, z9 W. q
2.7525 2.7559 2.7481 2.7525 2.75111 X% b: @0 i6 u& Z$ H; I
2.7527 2.7535 2.7430 2.7545 2.7484
- b\" [& @2 |4 [$ }
2.7493 2.7553 2.7440 2.7513 2.7485
* B$ h, F- |; Z& Z O, R8 {# T8 y
2.7481 2.7506 2.7425 2.7457 2.7460 Z% w: r' x4 \2 \0 e) Q
2.7506 2.7525 2.7429 2.7488 2.7451
9 I/ X: q8 h+ y4 L9 E
+ e0 z( _: |& v; c1 N1 [( a
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
( {: k! }4 X\\" x, ~* F
(:t0,k,i,a,b)=
: ]9 C* O3 H: u! p& K% [9 Q
{
7 q- r( `- n9 B) i
t0=clock(),
/ Q1 X0 Q+ S3 d: o
k=zeros[5,5],
. t& E3 u6 Q9 M6 \2 r0 l
i=0,(i<100000).while{
9 j8 E* g& P8 a9 w) S& _
oo{- r) w$ @\\" t, R
a=rand[5,7], b=rand[7,5],
2 ]- p; u% M0 j5 E6 T2 a
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg). K; s X# ?, j, I6 X6 p' P
},
$ Y: ~6 i& ^\\" A+ w
i++
% u3 j! |% j; X6 b
},\\" P* }# x `( w) d2 H$ a# Z
k.outm().delete(),& l! E5 C- X/ j9 ~; K2 d
[clock()-t0]/10002 O* D j: O6 b+ j
};

!using["math","sys"]; 
( {: k! }4 X\\" x, ~* F
(:t0,k,i,a,b)= 
: ]9 C* O3 H: u! p& K% [9 Q
{ 
7 q- r( `- n9 B) i
  t0=clock(), 
/ Q1 X0 Q+ S3 d: o
  k=zeros[5,5], 
. t& E3 u6 Q9 M6 \2 r0 l
  i=0,(i<100000).while{ 
9 j8 E* g& P8 a9 w) S& _
    oo{- r) w$ @\\" t, R

a=rand[5,7], b=rand[7,5], 
2 ]- p; u% M0 j5 E6 T2 a
      k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg). K; s  X# ?, j, I6 X6 p' P

}, 
$ Y: ~6 i& ^\\" A+ w
    i++ 
% u3 j! |% j; X6 b
  },\\" P* }# x  `( w) d2 H$ a# Z

k.outm().delete(),& l! E5 C- X/ j9 ~; K2 d

[clock()-t0]/10002 O* D  j: O6 b+ j

};

结果：

274978 274892 274913 274949 2749533 k6 _\" n$ p$ ]* p$ U
274994 275050 275001 275037 274892
; x. S% M2 V5 F2 m/ a' }
275001 275063 275019 274963 274971* B% F3 W6 Q: `9 z
274945 274999 275017 274983 274982. V4 K! y+ a4 C4 z0 p% F
275009 274984 274971 274955 274923: F! T\" z' ~' G9 D, o* c% j
: W6 x7 k: x b, ]. L: u
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 all7 M$ ^, M! _' K
a = rand(1000,1000);
+ Z# B* k6 s) q% \& Z9 R, J
b = rand(1000,1000);: M; c) z* ]! W P u
tic) ?0 l0 I, R8 w4 m5 r- a( E
k = a * b;
, u2 I2 T8 a# V! Z0 K! c* O) q7 f
k(1:3, 5:9)
/ f3 X6 m* Y) L2 b0 V& J\" b# n
toc
\" m; T) y+ @6 Z
5 }! k5 k( W9 y1 S7 Q: y8 V) n
ans =
+ \7 q* E& {8 F1 n/ e
0 _* f0 X: h! E# q
246.1003 244.3288 252.9674 258.1527 243.9345
! Q& w, M) y5 q6 l9 L
246.7404 236.1487 249.7140 251.3887 246.0294
\" J6 A, |# |: U\" I4 O3 M1 s\" A
249.4205 240.5515 252.5847 257.0065 249.7137, a/ ~9 y* k/ `& W6 Y6 p3 Z
& M3 K4 W4 Y/ k) C/ s
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
; T- e' E( o, d+ n, u. |% B
main(:a,b,k,t0)=
8 F% \, S! x! @, }
oo{
( s- ?) d% @) h e- @
a=rand[1000,1000], b=rand[1000,1000],; X. q' L. `% `, d) m$ J3 b) Z
t0=clock(),
8 { s( d/ f7 E; B/ J4 k4 R
k=a*b, //矩阵乘
! u/ t6 |$ Z! Z4 }) _
k[1,3:5,9].outm(), X; b2 z1 {6 ^0 r. }8 S' m# W
},! b4 ]) G3 h+ M# w4 O
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.482# Q) D: U) T. \- H# x3 ~
258.268 255.417 253.738 255.159 253.042 _ j) D, V) l0 g\" _& |. N) r
258.088 252.324 248.927 252.392 247.731% U* V Y1 O5 t2 b
% r# N' _0 j, L N( i
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