查看: 10335|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/ W6 y, s& g$ Q
tic: L% Y2 n- m/ b9 o) `
k = zeros(5,5); % //生成5×5全0矩阵7 Z6 u# x6 G% O
% 循环计算以下程序段100000次：2 o5 ?% x+ G2 b3 T1 p' v
for m = 1:100000
\" ], s) Y+ V! A. X9 x4 S
a = rand(5,7);$ ^) Q2 Z7 ~) q. Y7 Q
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
8 o# |7 C. X! ?/ o\" }; D7 g
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);7 h+ A\" Z7 Y/ L6 I8 h( x5 Q
end
6 j: h3 n6 e* ~
k\" q6 T9 y. K8 X8 `0 h1 Q0 \6 F
toc
' ~- X b: @5 M1 U) u. X! ]' A! ]
4 `3 A6 I; k/ i) f& z! x# C$ t) ^& E
k = ]2 m) I\" y% f' v& d' u1 `1 y4 g
! N h% r' i6 E2 z0 p
1.0e+005 *
7 h: D4 [) R1 B& j& u; R
: Y6 m9 \2 y! x8 d0 u4 Y2 k2 Z
2.7525 2.7559 2.7481 2.7525 2.7511
- d- s* Y8 A/ ?( ~# B' ?2 P. E
2.7527 2.7535 2.7430 2.7545 2.7484\" W9 T# W( a: L2 L1 r
2.7493 2.7553 2.7440 2.7513 2.7485
# @3 I6 V$ F+ P6 l3 G/ @8 c6 n# ~$ @
2.7481 2.7506 2.7425 2.7457 2.7460
* I1 f1 K& _# R
2.7506 2.7525 2.7429 2.7488 2.7451 _: m8 q4 [; A) @$ m/ e% I
- |: V4 H, Y7 I) O\" q/ V
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
* X$ F4 o4 R$ ^* f
(:t0,k,i,a,b)=
6 d- r* c/ |, i
{
3 C3 i) g8 U6 l9 N; s\\" C
t0=clock(),
# Y; S6 g6 C5 B% F
k=zeros[5,5],) g, d\\" Q( x i5 f' [6 v- e! J\\" ~
i=0,(i<100000).while{, Y# y- P# ~. ^, z
oo{1 ? X; n M( {7 G4 a* \ o4 P$ w
a=rand[5,7], b=rand[7,5],
( c: v4 f' ]9 e/ U/ d, w
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)
\\" n, N! d; p8 b* k\\" V/ F# A
},
, K9 D7 G+ ^: {: z! {
i++
* @/ H% P1 g) D\\" i
},( L, Q5 ~$ x8 z4 E: M& j* j L
k.outm().delete(),
* \- X+ \+ t$ t0 }: k) ]6 o
[clock()-t0]/1000& ?8 i. D' g7 W
};

!using["math","sys"]; 
* X$ F4 o4 R$ ^* f
(:t0,k,i,a,b)= 
6 d- r* c/ |, i
{ 
3 C3 i) g8 U6 l9 N; s\\" C
  t0=clock(), 
# Y; S6 g6 C5 B% F
  k=zeros[5,5],) g, d\\" Q( x  i5 f' [6 v- e! J\\" ~

i=0,(i<100000).while{, Y# y- P# ~. ^, z

oo{1 ?  X; n  M( {7 G4 a* \  o4 P$ w

a=rand[5,7], b=rand[7,5], 
( c: v4 f' ]9 e/ U/ d, w
      k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg) 
\\" n, N! d; p8 b* k\\" V/ F# A
    }, 
, K9 D7 G+ ^: {: z! {
    i++ 
* @/ H% P1 g) D\\" i
  },( L, Q5 ~$ x8 z4 E: M& j* j  L

k.outm().delete(), 
* \- X+ \+ t$ t0 }: k) ]6 o
  [clock()-t0]/1000& ?8 i. D' g7 W

};

结果：

274978 274892 274913 274949 2749539 U0 c, B. Y4 f6 Z( v% @, T
274994 275050 275001 275037 274892% a; X3 g; h3 ]# q
275001 275063 275019 274963 274971
. d$ {7 n$ x( W/ e& h1 i
274945 274999 275017 274983 274982
' R0 |\" a+ `/ {5 [
275009 274984 274971 274955 274923! B7 U/ d/ F* G8 I! {3 ^ M% T
' H) e( X4 d- ?8 z9 v
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! G% r0 P: Y6 B4 B2 ~. J. N9 j0 [
a = rand(1000,1000);5 |, n! C' k- ^
b = rand(1000,1000);
/ T\" i1 G+ V e6 C6 i. `3 {7 H: W! V
tic
/ z, X3 X) I) D7 ^5 q* u
k = a * b;
, B, e4 R) h1 A
k(1:3, 5:9)% y/ V# K4 v {
toc3 p$ N$ i7 ^- U- |* Z; f. ?8 m6 V. s7 s
. Y: O; a4 W# a5 ]\" v) p6 z# u
ans =; n* F5 B' W. g/ O, a& l
w: a9 l% D4 C4 ?% a
246.1003 244.3288 252.9674 258.1527 243.9345
! C7 A% k+ i0 w \; r0 D4 p) ^. a
246.7404 236.1487 249.7140 251.3887 246.0294
/ Y\" S% p0 [1 o
249.4205 240.5515 252.5847 257.0065 249.7137- Y { A- u' S
6 @! o5 R9 n' i) P9 E0 s
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];; Y7 r) b# D7 g6 J
main(:a,b,k,t0)=% z2 _- R+ O+ h: c. R1 v
oo{
a: z2 _4 l9 y/ J D
a=rand[1000,1000], b=rand[1000,1000], M7 H. T' k+ `- [. h6 w1 z% K
t0=clock(),7 l4 x, X. ]! I: ?% r6 p\\" s5 u
k=a*b, //矩阵乘% f8 w3 L& T8 H$ p, [1 W; Y; q
k[1,3:5,9].outm()! H+ K, a8 ^* l/ H: }
},
: v$ v* y4 k2 A, @
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.482' k2 w+ a# |0 T1 g/ r
258.268 255.417 253.738 255.159 253.042, X/ D\" R; o2 T4 o/ v
258.088 252.324 248.927 252.392 247.7314 Z: [2 k/ L; i. H6 q' a
+ X4 d7 ^( [* `
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