查看: 10994|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
! h7 q! j$ G4 _8 w! y
tic
) Q/ c! W$ }4 ]* ~
k = zeros(5,5); % //生成5×5全0矩阵) O1 x# ]& A7 a+ ]9 u
% 循环计算以下程序段100000次：
6 @( S1 e8 O0 `7 X( S; L
for m = 1:100000
. _/ H; M% z5 X2 s' x' ^9 y
a = rand(5,7);
6 y$ R5 J' ]& v5 j
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
% V: p\" w$ b0 z/ q
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
1 _: q x\" C3 N+ K9 D: i) w% H
end\" ^* d' P/ V& {5 I- S! Y& j
k
+ O$ l k7 Z( H5 u3 k6 [
toc
7 ^$ D( x' `9 b
4 E( v+ _! c, Z; ~. N
k =
: d0 g* [( d6 C1 S- A# {9 R
\" L2 M& t/ @. v% j( q) G
1.0e+005 *8 |7 X! ?# S% m8 l3 ^2 h/ p6 V. @0 o
J- K' L+ J# b
2.7525 2.7559 2.7481 2.7525 2.7511
8 q5 @3 v. n/ ~! e2 G$ L; G\" P
2.7527 2.7535 2.7430 2.7545 2.7484' t# J4 \! x7 a. |; K9 }- L: \- Y, y
2.7493 2.7553 2.7440 2.7513 2.7485
/ Q( k# I# Q- q
2.7481 2.7506 2.7425 2.7457 2.7460
* R1 O: R5 ~8 N2 ]
2.7506 2.7525 2.7429 2.7488 2.7451
' }' A' D; x; J! J, z) \4 M$ r
P* e _5 l% C, u
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];7 X' u; @( X$ f$ K
(:t0,k,i,a,b)=5 q V( w' e- p, N* Z1 z7 T
{
6 J$ z: K: T5 ^ S1 n\\" |- o1 v0 D
t0=clock(),, g) ^$ D W5 j* ]( Q
k=zeros[5,5],2 F6 Q7 a: I+ b% Z1 _' z
i=0,(i<100000).while{
* g6 x, F/ k2 t2 Q) G3 \$ J: B& ^
oo{2 L( ^\\" ~- C1 W6 J7 w
a=rand[5,7], b=rand[7,5],+ u6 {: w- r\\" e
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)
4 b% i: H6 ]* h: a5 Z
},; E q+ B8 X\\" P; y; R& B
i++6 B% O2 X, ~; i3 z& o
},+ i0 w\\" Y$ G4 p
k.outm().delete(),
* E) C0 \- `, [\\" I- o
[clock()-t0]/1000
1 i& }' B1 V I
};

!using["math","sys"];7 X' u; @( X$ f$ K

(:t0,k,i,a,b)=5 q  V( w' e- p, N* Z1 z7 T

{ 
6 J$ z: K: T5 ^  S1 n\\" |- o1 v0 D
  t0=clock(),, g) ^$ D  W5 j* ]( Q

k=zeros[5,5],2 F6 Q7 a: I+ b% Z1 _' z

i=0,(i<100000).while{ 
* g6 x, F/ k2 t2 Q) G3 \$ J: B& ^
    oo{2 L( ^\\" ~- C1 W6 J7 w

a=rand[5,7], b=rand[7,5],+ u6 {: w- r\\" e

k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg) 
4 b% i: H6 ]* h: a5 Z
    },; E  q+ B8 X\\" P; y; R& B

i++6 B% O2 X, ~; i3 z& o

},+ i0 w\\" Y$ G4 p

k.outm().delete(), 
* E) C0 \- `, [\\" I- o
  [clock()-t0]/1000 
1 i& }' B1 V  I
};

结果：

274978 274892 274913 274949 274953
( ?* s\" Z0 b5 L4 Q3 J
274994 275050 275001 275037 274892
* n; g* A T- `8 t4 i
275001 275063 275019 274963 274971
+ r5 G1 k0 A( o- R& ?# @
274945 274999 275017 274983 274982
2 ]' I; x5 |: j# S: C
275009 274984 274971 274955 2749230 [3 z3 W1 c+ t) ]+ ]
, p8 V\" J- i6 J, Z4 a& ~
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 all4 H$ i/ R5 v# ?3 s1 ~
a = rand(1000,1000);
/ s, T% @0 I- T9 ?7 s
b = rand(1000,1000);8 D+ x; ]1 I' q: B
tic
- z, n: l% d, Z
k = a * b;# l: U: |9 p8 a, u2 w
k(1:3, 5:9)1 d5 x: x3 y6 R
toc7 F U\" G: Z+ Y
# S0 }8 p/ j* z' L$ U$ Z$ d
ans =9 k/ T+ I- q' ?0 f\" L; f2 z8 Z3 \
8 U# ]* P3 r9 j! E9 d! C% X
246.1003 244.3288 252.9674 258.1527 243.93459 n' S: j. @6 ?7 p+ x
246.7404 236.1487 249.7140 251.3887 246.02948 { |. W) g3 }) n) C& u$ K( I6 D) ~
249.4205 240.5515 252.5847 257.0065 249.7137
! `: U/ C5 M8 f3 ~4 d: K
7 }! |1 B; H0 q9 r5 c, W1 n
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];; `8 @8 l: w\\" d' V
main(:a,b,k,t0)=
( ~% \/ ?9 e- [7 E8 H+ K
oo{
' b8 f$ o, d) ~2 b
a=rand[1000,1000], b=rand[1000,1000],
' U% V2 I' k$ p\\" ~
t0=clock(),4 u5 e, ?9 l! |, f
k=a*b, //矩阵乘
+ J) U1 |6 e( |8 \
k[1,3:5,9].outm()
8 h _( r5 E: {+ p; c' J/ w8 }$ C; N
},
2 X1 U+ @+ H7 x0 b6 {8 |6 x
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.4825 o5 F% U+ b( j. d+ @; m) Q
258.268 255.417 253.738 255.159 253.042; v( Z9 U2 G' `
258.088 252.324 248.927 252.392 247.7311 Z3 G0 d; l+ [; L$ l
6 B3 N; R+ Y6 {\" g# f
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