查看: 10330|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
/ d& S% ?0 D/ w9 q
tic7 i7 y2 k\" Z0 x$ u
k = zeros(5,5); % //生成5×5全0矩阵8 U$ t2 ]: @( b7 M( R! K% L: b
% 循环计算以下程序段100000次：6 o7 a* R- b3 w1 D* S
for m = 1:100000. E* X/ `9 y. a! g6 Q
a = rand(5,7);- {9 G: o* u/ P% c, k5 T8 U$ o
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
% C# |6 d6 s& }! w# k' V, l$ u, n
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);/ T R- j6 y& c0 n# f; V
end& O2 x3 C; q% Q! _6 d\" v3 v
k
3 o' V3 F* i% a, r: X2 k7 [0 b
toc A# R; l2 p- w$ R; ]3 Q6 f2 t
. b+ o+ o+ S: U' N\" g% z
k =
7 j9 G\" {\" |\" l* }) T& v/ o
, j/ |- |/ F: \/ H( X* Q
1.0e+005 *
9 W! o\" B$ l* Z
# ?9 |& J3 K6 p, h' V3 s
2.7525 2.7559 2.7481 2.7525 2.75115 E0 [! v0 V+ o0 Q
2.7527 2.7535 2.7430 2.7545 2.7484* N! r4 o: W1 A* S\" w3 r
2.7493 2.7553 2.7440 2.7513 2.7485! Q2 {9 h0 C) V& p+ t
2.7481 2.7506 2.7425 2.7457 2.7460* b! x0 c% ?+ I& `+ U1 g! @
2.7506 2.7525 2.7429 2.7488 2.7451
/ O0 E: r9 q. i) e
* }; F- D- R/ H* T& ~: v
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];3 c+ z$ y5 k8 x* Z0 r# n
(:t0,k,i,a,b)=
* x/ b8 M+ u, s- X
{& r* N+ p7 T% `' x; c5 G8 g1 B% E
t0=clock(),5 I) Y$ E7 @\\" o4 m3 s5 @+ F
k=zeros[5,5],
5 X& B J$ A u# [+ p$ d
i=0,(i<100000).while{' k2 Q2 F! ` h1 w5 j- j
oo{4 I5 Q. m N* K
a=rand[5,7], b=rand[7,5],
2 {% h: ^; n/ ^' S# [: F% S
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)$ d4 _, x0 ~\\" ^
},
7 W% b# T$ D! c1 o4 {\\" R9 a
i++ k$ T( t- v9 H& B4 X4 {
},
, a# @, k2 H p2 ^7 u9 S; L
k.outm().delete(),( c. c& ^$ U+ R' L' h6 s- h2 l
[clock()-t0]/1000
. w. H' q. M\\" ]( b! S* I
};

!using["math","sys"];3 c+ z$ y5 k8 x* Z0 r# n

(:t0,k,i,a,b)= 
* x/ b8 M+ u, s- X
{& r* N+ p7 T% `' x; c5 G8 g1 B% E

t0=clock(),5 I) Y$ E7 @\\" o4 m3 s5 @+ F

k=zeros[5,5], 
5 X& B  J$ A  u# [+ p$ d
  i=0,(i<100000).while{' k2 Q2 F! `  h1 w5 j- j

oo{4 I5 Q. m  N* K

a=rand[5,7], b=rand[7,5], 
2 {% h: ^; n/ ^' S# [: F% S
      k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)$ d4 _, x0 ~\\" ^

}, 
7 W% b# T$ D! c1 o4 {\\" R9 a
    i++  k$ T( t- v9 H& B4 X4 {

}, 
, a# @, k2 H  p2 ^7 u9 S; L
  k.outm().delete(),( c. c& ^$ U+ R' L' h6 s- h2 l

[clock()-t0]/1000 
. w. H' q. M\\" ]( b! S* I
};

结果：

274978 274892 274913 274949 274953- P' r0 ]) C9 `* Q
274994 275050 275001 275037 274892: d1 b\" P1 W4 T& }
275001 275063 275019 274963 274971
\" ^, e\" O# B& W! M3 B
274945 274999 275017 274983 274982 _. p8 J$ ]) O4 B8 e9 f+ m6 U3 X
275009 274984 274971 274955 274923/ m0 A0 O4 f6 J8 i, e S
6 V' h\" ]6 Q, W 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 all
: N3 U! A/ a4 C3 c- \ b9 h
a = rand(1000,1000);
\" P4 E% l\" V9 `$ c$ U5 C0 H
b = rand(1000,1000);
2 A2 {$ Q/ X) r$ e
tic
4 w/ o8 b9 u* w3 G8 ^
k = a * b;2 D y; I( ]+ O0 X7 U
k(1:3, 5:9)
, X% v$ j+ e: P% t; t) n0 s
toc
\" s* V* O: K7 J; |; R. |* O
; B4 E0 W- h0 s. K$ {! w* t
ans =1 n y+ x$ A2 C! l! z
' k# I& ?4 B4 o0 {1 m7 p
246.1003 244.3288 252.9674 258.1527 243.9345
- s3 _; B5 D1 D
246.7404 236.1487 249.7140 251.3887 246.0294
! q* `3 Q/ n; E8 {\" z$ y8 p
249.4205 240.5515 252.5847 257.0065 249.7137; F7 x- D& J5 K/ r% J
$ s: g1 c& l9 O' K0 V# y
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
, Q! A% e: x1 l# T/ L
main(:a,b,k,t0)=
+ I1 _3 x+ [\\" U
oo{
8 i$ g: b/ ^; c9 Q
a=rand[1000,1000], b=rand[1000,1000],/ H8 e% L( t6 e! {9 l
t0=clock(),
Y- p% ~$ d% \) |# {) ~* i7 J
k=a*b, //矩阵乘
! V* Z4 [8 a/ J- U/ I9 M+ U: U
k[1,3:5,9].outm()6 F* f6 z! @) k8 ]4 \. [ H
},' x4 w. v) _7 V$ x
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.4822 h+ ?/ @( S ]( D+ I
258.268 255.417 253.738 255.159 253.042 z0 P& ^\" t' k, s
258.088 252.324 248.927 252.392 247.731. j0 ]4 @1 m, y$ l4 m) _8 |7 f
' `* R: n H) e5 V5 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