查看: 10535|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 j- {3 v s6 f. h$ D0 \
tic0 n! L( [2 n! V. ]
k = zeros(5,5); % //生成5×5全0矩阵
2 ?$ t$ x\" [! M
% 循环计算以下程序段100000次：
! @\" d' E6 o9 ~; Z\" R. ]9 Y1 e
for m = 1:100000/ ^& S p5 b' r1 }
a = rand(5,7);
% F1 ?0 u. Q# U: ~# ?( N, M s- [
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, L; y, B+ s2 e) f/ C. p
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
% h9 V+ l9 F2 p' U- K% M$ n0 Z' f, S
end\" p1 L( ~6 Z% ]/ z+ n6 ~
k
* c4 c# H4 X\" ]
toc. M- T6 h* y; L
2 j# a& k0 C5 G t. a: ]9 l
k =5 x' O( b/ q o9 A9 B\" q2 ~
$ r7 y& m- t. m) c* ~
1.0e+005 *) w6 M) f t- L. v0 Y, I% V
h @# y+ R6 J6 j, b2 X
2.7525 2.7559 2.7481 2.7525 2.7511
( ~) N3 I( |. W
2.7527 2.7535 2.7430 2.7545 2.7484. l\" a+ o. I J; b/ Q
2.7493 2.7553 2.7440 2.7513 2.7485
) `: `& V9 g+ D2 P0 q6 m
2.7481 2.7506 2.7425 2.7457 2.74608 i# Z- d0 U! f3 i
2.7506 2.7525 2.7429 2.7488 2.7451
. x1 k+ ^3 Q4 V& t\" B
3 G3 m; h' ?- b( G1 |1 b1 I& ^
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];# D4 n6 ~: V- m
(:t0,k,i,a,b)=: I, j8 ~7 h* @
{
7 q8 y4 ?9 e\\" u4 _0 a
t0=clock(),! _ P2 P9 j* U7 d) |' [
k=zeros[5,5],! a# T$ g\\" {0 [9 K$ s# T
i=0,(i<100000).while{
, s6 l* ]+ |' V
oo{
, u9 S- Z5 |5 H _- f
a=rand[5,7], b=rand[7,5],
9 P& x8 [( y' b( a/ d% A
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)
- W0 x, w) Z v2 ]$ p
},7 {: Z' \7 \; r2 a# h. y\\" t: U
i++( z O1 N% ]8 \6 R3 s\\" A5 N
},
# J3 S* s# o& G D: _4 c* x3 Y
k.outm().delete(),. y2 f o8 i# g8 k: |
[clock()-t0]/1000
* h( k2 f0 w1 i& Z0 U
};

!using["math","sys"];# D4 n6 ~: V- m

(:t0,k,i,a,b)=: I, j8 ~7 h* @

{ 
7 q8 y4 ?9 e\\" u4 _0 a
  t0=clock(),! _  P2 P9 j* U7 d) |' [

k=zeros[5,5],! a# T$ g\\" {0 [9 K$ s# T

i=0,(i<100000).while{ 
, s6 l* ]+ |' V
    oo{ 
, u9 S- Z5 |5 H  _- f
      a=rand[5,7], b=rand[7,5], 
9 P& x8 [( y' b( a/ d% A
      k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg) 
- W0 x, w) Z  v2 ]$ p
    },7 {: Z' \7 \; r2 a# h. y\\" t: U

i++( z  O1 N% ]8 \6 R3 s\\" A5 N

}, 
# J3 S* s# o& G  D: _4 c* x3 Y
  k.outm().delete(),. y2 f  o8 i# g8 k: |

[clock()-t0]/1000 
* h( k2 f0 w1 i& Z0 U
};

结果：

274978 274892 274913 274949 2749535 V; ?; @' @& a
274994 275050 275001 275037 274892$ Q. ]3 Z; e1 J! S\" I0 Q I: i
275001 275063 275019 274963 274971* ^; W, h1 l( e8 T0 X4 ^5 s& t
274945 274999 275017 274983 274982/ E$ G- l& _, v- o: E6 Q. _' V* I. U
275009 274984 274971 274955 274923! l. \4 W2 ]' c% T; \: H
/ D& B* G( Y g0 F
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 all8 g2 }, O# \) R' I; d# E, o, T0 o3 [
a = rand(1000,1000);7 w# ]3 K- x* r8 X' C& s& ~$ v
b = rand(1000,1000);
) R% N) h0 F1 |# M% l\" |\" W; m
tic' W\" f+ G+ K& X
k = a * b;6 X& T2 A\" O7 z8 Z% L5 s
k(1:3, 5:9)
* X! X. I1 ~2 Q6 P; T
toc
; @$ |7 [' K8 h3 H9 O
% y9 M; L( }& n2 S9 O' O
ans =
9 |* V9 H2 W# a1 t% w$ e) `
- K' a7 y6 A3 f+ d- @ d
246.1003 244.3288 252.9674 258.1527 243.9345
5 Z8 ^\" V; W7 Q m
246.7404 236.1487 249.7140 251.3887 246.0294, z* W* N9 I5 n; `5 p7 ~ M6 I/ ]' ?, p
249.4205 240.5515 252.5847 257.0065 249.7137
w7 d: W. s# f3 h8 d A( s
; {$ N: \\" Z/ }9 o
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];1 F- G\\" p4 h- z9 C9 a$ I5 r2 M
main(:a,b,k,t0)=
( |& O8 ?% `) p1 A
oo{2 U6 b& z, i5 w- Z1 T4 w! V
a=rand[1000,1000], b=rand[1000,1000],
7 I% Y0 A. @6 y+ K
t0=clock(),
9 d5 a6 _$ F9 I
k=a*b, //矩阵乘
/ @\\" w1 {$ U( w) r
k[1,3:5,9].outm()
0 H, L( i; C- F5 N\\" |
},! F4 N3 X& C, S4 |# d8 U
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.482! {+ G8 I5 E [) ]6 X\" Z
258.268 255.417 253.738 255.159 253.042
. `, _3 v' m7 c
258.088 252.324 248.927 252.392 247.731
2 C8 e9 z! X- v( k. E
8 m9 O$ D2 Y\" c2 C! N
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