查看: 10780|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
) o; d4 s& l/ |- P( U
tic
+ M1 E& q% S! c- Q9 v O. ]
k = zeros(5,5); % //生成5×5全0矩阵
% 循环计算以下程序段100000次：- S8 R$ c& i9 |: O5 D; ?5 R% y
for m = 1:1000004 Z4 L- P% F4 m/ p: F
a = rand(5,7);
# x0 x$ O$ v3 R% P, U! ]\" c# O; 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\" C2 q3 o, I9 f\" N& k7 l' O
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
: p/ P) _( @5 s, q% P
end
2 _8 y6 f' j* h9 c\" {9 p- ~6 b
k
5 e4 o# t* u+ j2 _
toc4 i5 I5 r5 n7 W. P# t3 U, ]! r
$ |3 I/ W6 j& ?9 C
k =
; D: G. |( \3 A5 c\" d* O2 M
+ g! J% {: r\" ~! u, r+ _5 L
1.0e+005 *$ \3 Q7 _; }0 x6 i8 r
/ c1 c! \* J2 I$ @2 |5 g3 R; x
2.7525 2.7559 2.7481 2.7525 2.7511
8 }3 h' I- Q5 y0 ]9 V\" U
2.7527 2.7535 2.7430 2.7545 2.7484
0 M& E( y4 f; U- @1 i8 n0 x3 d
2.7493 2.7553 2.7440 2.7513 2.7485
% E/ U2 A8 j* U) G\" C
2.7481 2.7506 2.7425 2.7457 2.7460: R/ q/ r7 \4 L7 i3 V
2.7506 2.7525 2.7429 2.7488 2.7451
+ D- v3 K. s8 M1 t8 w
\" w1 w! a1 `$ X9 [. Y
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];3 v* X9 J# l1 X* ^+ w) N\\" d
(:t0,k,i,a,b)=
' a0 l5 ] N/ [' S! Y7 \% W\\" K
{( t+ H6 |! `' u H8 T. e
t0=clock(),
: ?: t\\" `9 C( ^. h# R\\" u2 n3 C
k=zeros[5,5],
5 t4 t: F7 N\\" K P\\" z
i=0,(i<100000).while{
. D& w2 U; H+ Q: W8 _
oo{
7 @1 j* K' d m5 _3 f& }* \
a=rand[5,7], b=rand[7,5],
. t9 u2 w1 `2 N: _* z! I- ~
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)
) a$ `5 v$ J) n! l1 s2 q/ T
},
! M, k0 J4 X! S- L3 h% s0 n
i++6 e! l/ H. t8 X4 q8 y# Q8 y0 @
},
! g, C, M+ Q& G s3 B
k.outm().delete(),
6 T\\" y; O+ f% @
[clock()-t0]/1000
) V* h- Y! d+ b$ k& z
};

!using["math","sys"];3 v* X9 J# l1 X* ^+ w) N\\" d

(:t0,k,i,a,b)= 
' a0 l5 ]  N/ [' S! Y7 \% W\\" K
{( t+ H6 |! `' u  H8 T. e

t0=clock(), 
: ?: t\\" `9 C( ^. h# R\\" u2 n3 C
  k=zeros[5,5], 
5 t4 t: F7 N\\" K  P\\" z
  i=0,(i<100000).while{ 
. D& w2 U; H+ Q: W8 _
    oo{ 
7 @1 j* K' d  m5 _3 f& }* \
      a=rand[5,7], b=rand[7,5], 
. t9 u2 w1 `2 N: _* z! I- ~
      k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg) 
) a$ `5 v$ J) n! l1 s2 q/ T
    }, 
! M, k0 J4 X! S- L3 h% s0 n
    i++6 e! l/ H. t8 X4 q8 y# Q8 y0 @

}, 
! g, C, M+ Q& G  s3 B
  k.outm().delete(), 
6 T\\" y; O+ f% @
  [clock()-t0]/1000 
) V* h- Y! d+ b$ k& z
};

结果：

274978 274892 274913 274949 2749532 M& V9 w! a. T: e
274994 275050 275001 275037 2748924 E/ K) t0 K# Z3 e5 s, _5 S! |
275001 275063 275019 274963 274971' ^# `( ^\" n5 m8 j; y }6 z5 |
274945 274999 275017 274983 274982
M$ H, d7 c G
275009 274984 274971 274955 2749230 G& `* d; {; t+ s. _. Z+ \8 o+ T
8 u; L4 y/ [/ F) \% c7 E
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 all2 ^: K; v$ s% Z) f7 F
a = rand(1000,1000);: ~( I' Y% K& s; W: r
b = rand(1000,1000);' {4 k2 V5 H& B% u' m
tic
b% N) z; }! d2 S6 ]' j+ s: _4 P
k = a * b;) g6 l: D+ J' C% a\" h& F v
k(1:3, 5:9)
3 G7 ?3 ?* }: U+ V. z0 O. J3 C9 I
toc
* u+ h7 @, m E+ V' a
! T' L1 g+ c6 E
ans =
* k- \3 c/ P9 ^& [- V0 l% x2 \
, ?/ E/ T. k$ y h\" g& c+ l( }
246.1003 244.3288 252.9674 258.1527 243.9345
6 W/ c n+ M* p, B( K% c% N/ L( M
246.7404 236.1487 249.7140 251.3887 246.02940 B y9 q4 g* l+ M h: k7 w- G* T
249.4205 240.5515 252.5847 257.0065 249.7137
U t5 ]3 ?; S; Q/ O\" ^: _
, l! }0 R+ J* ^
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
' }( d\\" g) c, T& y
main(:a,b,k,t0)=
: v7 V3 @\\" h H! h7 u
oo{
, `* e5 ^; U R8 y
a=rand[1000,1000], b=rand[1000,1000],\\" W' u3 r! j- u- M\\" W* F2 K
t0=clock(),
: A' S+ T h* T y! J$ J! P Q
k=a*b, //矩阵乘
% A. q% d. W: G! v [* G4 J, ^
k[1,3:5,9].outm(). y) s% U: \/ ~, Q5 r
},9 \) @& u7 |& ~4 s( x5 A- l- U
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.482; j% Q1 U1 c; P' [0 \
258.268 255.417 253.738 255.159 253.042
% W3 `/ l% L5 G9 S$ n* d0 c; V& b
258.088 252.324 248.927 252.392 247.731
; ], r5 {* p6 t( O9 D
/ l1 T8 M2 E! i% u& {1 c; C' `
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