查看: 10537|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
! r1 Q9 F8 e# W( I* d r' G
tic
- ~6 m% {' K$ c! x+ f' n3 U7 T: F$ O
k = zeros(5,5); % //生成5×5全0矩阵
) S! T# g! ~( \! O; y. Q
% 循环计算以下程序段100000次：
/ I- m+ p) r5 u2 t2 B
for m = 1:100000
( V2 o9 k1 ~6 j# d( y/ Z% R
a = rand(5,7);
' h3 {* ^( q6 T& t; H
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$ e. n8 R) C+ K4 Y, V8 L7 R
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
/ b' Q8 a1 P9 z: [
end
+ K) X5 B! _4 y9 p2 Y: J E
k. B2 {1 J, @0 s* ~
toc' ?9 C9 w, d* O& _$ _
: L, D7 w4 H4 `9 y
k =) J1 ~( {; G4 K2 w2 U9 ~
, Q) V; r, m\" O+ {% o6 s\" [
1.0e+005 *; v5 y2 E h. [* O3 S3 u6 c& C% a
1 E9 B4 d8 p) v! H/ m( E
2.7525 2.7559 2.7481 2.7525 2.7511
# t/ n2 P+ w2 r8 y( ~- j
2.7527 2.7535 2.7430 2.7545 2.7484
+ U3 f( U% v- f' ~! M c
2.7493 2.7553 2.7440 2.7513 2.7485' E/ i4 b' j8 w1 l0 @ X9 Z
2.7481 2.7506 2.7425 2.7457 2.7460
8 [8 V. d' ]* ], K0 {0 U$ w
2.7506 2.7525 2.7429 2.7488 2.7451
* N\" \- G3 B6 d$ I
% c6 j5 f3 h) K1 u2 x1 [
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
3 v6 ?* m8 ?& T* G* j* @
(:t0,k,i,a,b)=
( A% l9 t7 A; x' x, s& C4 G) O
{
+ W3 f1 ?* ~/ `0 N. h, q2 ~7 \
t0=clock(),
9 ~\\" \4 m; V/ O: b: M
k=zeros[5,5],
6 ~2 m3 l. m6 r7 c- }/ a' C! P
i=0,(i<100000).while{
6 _8 z; `9 Z8 P\\" i u, P
oo{9 j, f- U% E0 B7 B1 [
a=rand[5,7], b=rand[7,5],
; E' m( J9 G; _+ i& H5 ~
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)
: V, P. D' {( N
},& a! g' t# Z, F
i++. k) y# e+ d\\" Q$ E
},8 K2 X* w3 \ P- Z
k.outm().delete(),, E( h9 b; ?: a. I
[clock()-t0]/1000
- u7 `4 U$ ]5 |' F( I; L3 d' V
};

!using["math","sys"]; 
3 v6 ?* m8 ?& T* G* j* @
(:t0,k,i,a,b)= 
( A% l9 t7 A; x' x, s& C4 G) O
{ 
+ W3 f1 ?* ~/ `0 N. h, q2 ~7 \
  t0=clock(), 
9 ~\\" \4 m; V/ O: b: M
  k=zeros[5,5], 
6 ~2 m3 l. m6 r7 c- }/ a' C! P
  i=0,(i<100000).while{ 
6 _8 z; `9 Z8 P\\" i  u, P
    oo{9 j, f- U% E0 B7 B1 [

a=rand[5,7], b=rand[7,5], 
; E' m( J9 G; _+ i& H5 ~
      k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg) 
: V, P. D' {( N
    },& a! g' t# Z, F

i++. k) y# e+ d\\" Q$ E

},8 K2 X* w3 \  P- Z

k.outm().delete(),, E( h9 b; ?: a. I

[clock()-t0]/1000 
- u7 `4 U$ ]5 |' F( I; L3 d' V
};

结果：

274978 274892 274913 274949 274953
& f+ R; Z% H: T* G/ j
274994 275050 275001 275037 274892
/ h2 p% h: q6 b0 ]# ~2 S
275001 275063 275019 274963 274971! j* I9 P! a( J5 F* s
274945 274999 275017 274983 274982
- z: d# s- }3 h$ x
275009 274984 274971 274955 2749234 F5 X q& y' Z8 d' C
6 `, j) J& a- I& K X
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 all9 m9 D# p% |% _1 p* N. Q
a = rand(1000,1000);
+ i( c S/ @; c4 ?
b = rand(1000,1000);; }% ?( v. }) I6 K
tic% c+ `9 x; ~, t9 C. T
k = a * b;
+ ?$ n8 x2 F+ h6 J! {9 o' s
k(1:3, 5:9)\" @\" ]! j! A T1 K$ P4 B G
toc- R- T\" g0 C' D\" i
; n\" v' e' U3 o+ U
ans =
2 T, e9 Q0 e) E) D4 O
, k! f; B' t, Y8 @( _& N& r
246.1003 244.3288 252.9674 258.1527 243.9345
. A5 V O3 k# C s! I/ Y( n! ]$ X
246.7404 236.1487 249.7140 251.3887 246.0294
8 v; K0 j4 N/ ]4 n2 z! N/ G: y8 Q
249.4205 240.5515 252.5847 257.0065 249.7137: J; {* B% v\" x: v/ `
8 N. i5 a$ M# g) |8 Q* D% L
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
: ]0 N8 I! [\\" ]+ I
main(:a,b,k,t0)=; y) q+ |6 k1 E
oo{2 j! {9 {2 G X8 | w3 r
a=rand[1000,1000], b=rand[1000,1000],4 t! \4 K z0 m\\" |3 E
t0=clock(),' f5 E& t2 X ?- u) ?# g% q: w\\" F
k=a*b, //矩阵乘: q# N' c: v; H
k[1,3:5,9].outm()$ o5 p2 g( S& P* r; I4 y8 _( M
},2 _% t2 m# m$ _7 G$ k
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.482# b( ~/ k( B9 ]. \! O7 @
258.268 255.417 253.738 255.159 253.042
( n. y\" z% s5 w+ e
258.088 252.324 248.927 252.392 247.731( s% I; S3 S( w% a2 g
) Q. A/ M3 m/ h
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