查看: 10587|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
0 s# G6 P2 h( {8 h
tic
% A1 W8 ?& l- R* `\" Q; p! ] `
k = zeros(5,5); % //生成5×5全0矩阵- R6 M. N, H& Y8 E3 D# M2 I* x
% 循环计算以下程序段100000次：5 N9 x& y) x1 W6 L+ s
for m = 1:1000003 D& M- [! Z) T( s
a = rand(5,7);& P, w7 @7 b$ 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
2 `2 M1 b6 v2 G5 u, i9 Y, l
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
T; R' A5 p9 J\" {% }6 ?! o( h
end; d, H' F# a' f, d/ Q t
k2 l1 a( o8 v: b) F4 j+ [
toc: J: x4 }! K) q# O6 A( q
: ~8 U0 G3 d. G& M* H4 b! d
k =1 o\" L5 k: \' v: }* C+ R& N
3 I) R# a- i+ X0 x! o, v# e, f3 l
1.0e+005 *9 {5 Q/ Q) a3 P6 T7 \
% b) c) p/ F0 m9 }- S
2.7525 2.7559 2.7481 2.7525 2.75111 j9 {! N, f5 u4 K
2.7527 2.7535 2.7430 2.7545 2.74849 P8 L+ f; \1 A: R
2.7493 2.7553 2.7440 2.7513 2.7485
9 W. }7 M2 z$ P3 L: [7 k6 H4 T
2.7481 2.7506 2.7425 2.7457 2.7460
! G2 Z- D6 m\" }$ L2 @8 m
2.7506 2.7525 2.7429 2.7488 2.74519 _$ C+ S6 [% Z% V2 ]; l
5 b) i J S1 {9 z6 a
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];# E* O3 J\\" g8 A h7 ^0 t: I* m z
(:t0,k,i,a,b)=
( a0 v& h7 Z9 }2 m
{
# H% }% T3 ~9 F1 F& @ p
t0=clock(),
. i5 s& B* r8 B* I# [
k=zeros[5,5],/ f( O- D. H- ?6 ] _4 G
i=0,(i<100000).while{
6 g6 E& B( {% k/ w4 U* U4 B6 V
oo{
\\" w0 y8 D; h4 v A9 a: a
a=rand[5,7], b=rand[7,5],
% u\\" M, G8 J- L/ |2 G
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg), k\\" m1 s9 V, c\\" P( c
},
. q' x; i+ k* H5 {- v6 q6 \0 J
i++' M; p% W. N' n) g
},
1 ^* G( N! ?( b6 i; j/ C8 f7 @
k.outm().delete(),
/ q7 z( Q. @\\" ]' I! C
[clock()-t0]/1000
; E. z: f$ l2 r: A3 Q\\" x% p
};

!using["math","sys"];# E* O3 J\\" g8 A  h7 ^0 t: I* m  z

(:t0,k,i,a,b)= 
( a0 v& h7 Z9 }2 m
{ 
# H% }% T3 ~9 F1 F& @  p
  t0=clock(), 
. i5 s& B* r8 B* I# [
  k=zeros[5,5],/ f( O- D. H- ?6 ]  _4 G

i=0,(i<100000).while{ 
6 g6 E& B( {% k/ w4 U* U4 B6 V
    oo{ 
\\" w0 y8 D; h4 v  A9 a: a
      a=rand[5,7], b=rand[7,5], 
% u\\" M, G8 J- L/ |2 G
      k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg), k\\" m1 s9 V, c\\" P( c

}, 
. q' x; i+ k* H5 {- v6 q6 \0 J
    i++' M; p% W. N' n) g

}, 
1 ^* G( N! ?( b6 i; j/ C8 f7 @
  k.outm().delete(), 
/ q7 z( Q. @\\" ]' I! C
  [clock()-t0]/1000 
; E. z: f$ l2 r: A3 Q\\" x% p
};

结果：

274978 274892 274913 274949 274953) `) T8 _4 ?\" S2 T% Y
274994 275050 275001 275037 274892
4 p3 m\" ?* c: s/ Y+ b! U* L
275001 275063 275019 274963 274971
; u8 W) q3 D( X1 g ^- w
274945 274999 275017 274983 274982
) H; t\" G! x4 B. w+ H: `6 [% s
275009 274984 274971 274955 274923
6 a& n% V- z) p; Y$ K3 `0 v; r
: q% o6 I: ^6 K1 O8 q2 t i: R! [9 _
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 c3 J* J' Z6 k6 P' k
a = rand(1000,1000);! U. I3 C/ o3 l$ q3 U$ ]\" i- G, ^
b = rand(1000,1000);
/ b$ }1 Y( x7 H: d! y
tic) M4 Q$ W( x' I& ?9 j* {4 t
k = a * b;, n: S! K* k- Z
k(1:3, 5:9)
& h\" F\" _$ E, Z
toc
! i& _& z) [$ p' `+ U) _3 |. F
1 Q( O+ {0 s5 G; `, K, o
ans =% J) u! }. m) |1 w4 m2 N
. \9 I: r& h2 Y. r8 A
246.1003 244.3288 252.9674 258.1527 243.9345
: e, |, k3 u- \, V9 C
246.7404 236.1487 249.7140 251.3887 246.0294 M9 S) j\" X. Y* d& a0 w' p
249.4205 240.5515 252.5847 257.0065 249.71373 [% A3 G7 a0 d' h4 O
& O) ^7 y& E5 P8 [1 N V
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
' F# m8 M3 n+ J\\" o' h$ ]/ F
main(:a,b,k,t0)=
9 C6 b3 ^! B/ V\\" ?
oo{2 A, a2 m6 E) g- m' F
a=rand[1000,1000], b=rand[1000,1000],& o6 l! o2 r( }
t0=clock(),* M; B, w/ ?7 b\\" L h, f- j
k=a*b, //矩阵乘
* N1 D\\" r5 ~\\" w* s! i/ V! i
k[1,3:5,9].outm()# ?4 i9 p) I) Y' Q5 B
},7 D) b) H6 ?; L: E! I' K
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.482
: _5 \: e9 P( C\" E5 |2 \\" X! S9 ?$ b
258.268 255.417 253.738 255.159 253.042. ~ i% g7 V\" J+ C
258.088 252.324 248.927 252.392 247.731
& C3 i8 x; W\" t+ ]' k6 |4 S3 a
( b/ n4 C8 J6 G2 d6 R7 z8 a0 L
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