查看: 10605|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 all1 k% \( J; D* I' R
tic
z! t+ m7 @& ^, [% x' Y
k = zeros(5,5); % //生成5×5全0矩阵
, i! r9 R* F8 J6 T
% 循环计算以下程序段100000次：
& m4 ]7 N# e6 Q$ z1 ?, v7 w
for m = 1:100000) K* }0 c) D5 f6 V8 p
a = rand(5,7);
2 k2 [6 x$ m& `: D! ]9 P1 A5 N
b = rand(7,5);%//生成5×7矩阵a,7×5矩阵b,用0～1之间的随机数初始化\" o' j\" L; {7 e+ E* Z
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
: T$ ~1 G6 k0 w, {2 m9 x
end$ B6 L: ?' I a6 m4 V
k
9 i/ {$ F3 ~6 U) j- q4 q
toc
$ R8 \) b& R; v( V
2 i& T9 F% f0 P5 O* m, b3 ?
k =
0 L5 ^) \\" f! j2 b: k- W- X
u( l* s1 E2 ^) J( P; S
1.0e+005 *
4 F$ _8 _6 X. Q$ D
& w+ M1 c! a) s9 H, v3 v4 l
2.7525 2.7559 2.7481 2.7525 2.7511
& ?- ]) x9 l8 T& C7 v, @' c4 |! @
2.7527 2.7535 2.7430 2.7545 2.7484: h, ?7 |' S* _3 X, K\" K
2.7493 2.7553 2.7440 2.7513 2.7485; x' o A, a( M( y5 w
2.7481 2.7506 2.7425 2.7457 2.7460, S& I1 U1 D\" M9 m# V5 i J5 x
2.7506 2.7525 2.7429 2.7488 2.7451
! l0 I* L6 u2 C( M9 m0 r2 c
7 @3 J- {. P& E2 t) C) R
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];* }& x! U+ ^. T3 E% g- e; d/ c+ I
(:t0,k,i,a,b)=4 M\\" a* C# W7 u$ P E8 {% J% T& @
{% ?0 {* U, A1 x) O: [/ E0 G5 X5 G
t0=clock(), E% E\\" p- }, W% ]$ y% W$ a
k=zeros[5,5],7 g1 }) j: n+ q
i=0,(i<100000).while{
, s2 P# V ?3 f, E {
oo{& T. Z/ @\\" D0 z\\" J& c
a=rand[5,7], b=rand[7,5],
4 R4 |# t I* G4 U! Y5 l
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg) D$ W! `+ b/ w
},9 |' W5 W8 [. h9 R' _
i++7 _$ ~3 T8 I7 ^% g: |% [) C6 h
},, p3 f# ]) e- y' ^
k.outm().delete(),
/ S+ Q7 x7 [. r
[clock()-t0]/10003 l, ~: M: e8 X8 q) E- c
};

!using["math","sys"];* }& x! U+ ^. T3 E% g- e; d/ c+ I

(:t0,k,i,a,b)=4 M\\" a* C# W7 u$ P  E8 {% J% T& @

{% ?0 {* U, A1 x) O: [/ E0 G5 X5 G

t0=clock(),  E% E\\" p- }, W% ]$ y% W$ a

k=zeros[5,5],7 g1 }) j: n+ q

i=0,(i<100000).while{ 
, s2 P# V  ?3 f, E  {
    oo{& T. Z/ @\\" D0 z\\" J& c

a=rand[5,7], b=rand[7,5], 
4 R4 |# t  I* G4 U! Y5 l
      k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)  D$ W! `+ b/ w

},9 |' W5 W8 [. h9 R' _

i++7 _$ ~3 T8 I7 ^% g: |% [) C6 h

},, p3 f# ]) e- y' ^

k.outm().delete(), 
/ S+ Q7 x7 [. r
  [clock()-t0]/10003 l, ~: M: e8 X8 q) E- c

};

结果：

274978 274892 274913 274949 274953
' k3 ?6 O m* V* P# y
274994 275050 275001 275037 2748920 Q+ Z. i2 `# j8 s! p* n1 N
275001 275063 275019 274963 274971
3 [ H* Z% B0 [. K
274945 274999 275017 274983 274982
2 |5 D0 D\" v3 `1 o: P. U7 [
275009 274984 274971 274955 274923
( \0 [+ k3 R\" k) B
6 S. [1 c9 X$ B
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
$ R. Z4 E\" l7 Z6 }. m! f
a = rand(1000,1000);
# |& |) I) P1 `2 P. G, G
b = rand(1000,1000);
2 \) C( I5 R9 c/ @
tic
/ B3 s\" L1 `. F5 e. X9 j
k = a * b;
M4 Q- W9 C% ]5 Q1 C2 Y% M
k(1:3, 5:9)
7 c7 V6 F7 _1 r. a6 z1 `
toc\" Z, ?0 v\" D3 K ]. {. g3 C! O0 |
9 t' a9 n9 q8 M: r
ans =* w9 p5 w9 |% m* d, I4 X' m
\" j+ s+ e4 k) [4 U1 ^
246.1003 244.3288 252.9674 258.1527 243.93459 c/ D\" Q! Z7 c. C( f
246.7404 236.1487 249.7140 251.3887 246.02941 S' C J. ?( l7 O/ f: O
249.4205 240.5515 252.5847 257.0065 249.7137
6 @, L v [6 m7 ]! s
$ D, W3 _+ s* B8 I2 M/ r4 s0 f
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
, T& l6 T' B/ v: i9 E8 ]* ~
main(:a,b,k,t0)=0 v. w/ c: X, v. b. B
oo{) P# r7 y& l: E
a=rand[1000,1000], b=rand[1000,1000],) \% [, M6 s, k
t0=clock(),
8 `' D; K3 i+ G9 b' k+ ~
k=a*b, //矩阵乘- V [4 w+ F/ G! V, Y
k[1,3:5,9].outm()
$ m; ]9 K# n( ^
},
/ V( @& H5 p& X' ?+ J* k
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.482. I# h l. R\" O: W
258.268 255.417 253.738 255.159 253.042
\" c* R; ^% q' M3 s0 r [
258.088 252.324 248.927 252.392 247.731- Y# @( U6 S5 B+ T6 k\" B
5 O; g% E! X2 U& ]
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