查看: 9979|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 all
% g8 \8 F; J\" f! @, \$ t
tic
, P3 A$ U; M9 X2 H% r9 M
k = zeros(5,5); % //生成5×5全0矩阵% P/ o; y6 k0 g& J/ E
% 循环计算以下程序段100000次：! ^7 o\" Z- ]! U
for m = 1:100000
; [8 C9 f# M7 e3 P5 {4 J9 d
a = rand(5,7);) ]1 ^3 E. Y: M- W4 u5 |8 r- T! 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! t( U5 W1 x/ j( d
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
7 l2 `& i\" p9 o) h
end
7 p: a P% t. |5 V% f! e+ J
k# ?; U; P& X, Y* v: o( u
toc$ L8 Q# k% R$ |1 N
# T\" c: H# I, r( U* B2 f9 F
k = B5 x! j9 i8 H) e
: d# Z# N$ |4 }9 Z0 |
1.0e+005 *
/ L+ d0 r7 i7 b4 ]# G) S
) Z/ R2 ~3 w2 p) i3 r! x7 v
2.7525 2.7559 2.7481 2.7525 2.7511
# t1 {1 G& c\" K/ S. m+ ]( ~
2.7527 2.7535 2.7430 2.7545 2.7484
+ s6 X/ D$ ]! y a2 D1 c
2.7493 2.7553 2.7440 2.7513 2.74850 _/ A5 V2 _2 z& R
2.7481 2.7506 2.7425 2.7457 2.7460
5 @2 V* T+ j& a\" ` ^* m
2.7506 2.7525 2.7429 2.7488 2.74511 u8 O# w' q0 X# M
' K( L4 f7 T& T
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
4 u3 D/ ]) Z3 y* c
(:t0,k,i,a,b)=
# S& Q! C! W0 U0 i3 o' I
{ x& t) G) `2 ?( C) v! {
t0=clock(),8 J$ U# L6 j) Q) b\\" q& Q- l9 D
k=zeros[5,5],5 G8 }) J$ t4 Y2 H( G
i=0,(i<100000).while{3 I4 z6 T* y( K\\" v0 t
oo{
5 Q4 x$ s\\" n! C* L( D. K
a=rand[5,7], b=rand[7,5],* t\\" _9 q- ~& n' p- z4 h
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)
8 r: l' D, _1 Y; I1 C, k! _+ |: i
},5 w$ [\\" r6 A! \6 V% Y3 c
i++
9 u- E6 L* g5 ?1 K; Y+ b3 g
},( \- D3 E' z- H8 j$ q6 q8 z+ i. a% W
k.outm().delete(),
! L- Z4 l6 q# S
[clock()-t0]/1000- ]' Z/ _+ k1 H0 U1 W& ^
};

!using["math","sys"]; 
4 u3 D/ ]) Z3 y* c
(:t0,k,i,a,b)= 
# S& Q! C! W0 U0 i3 o' I
{  x& t) G) `2 ?( C) v! {

t0=clock(),8 J$ U# L6 j) Q) b\\" q& Q- l9 D

k=zeros[5,5],5 G8 }) J$ t4 Y2 H( G

i=0,(i<100000).while{3 I4 z6 T* y( K\\" v0 t

oo{ 
5 Q4 x$ s\\" n! C* L( D. K
      a=rand[5,7], b=rand[7,5],* t\\" _9 q- ~& n' p- z4 h

k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg) 
8 r: l' D, _1 Y; I1 C, k! _+ |: i
    },5 w$ [\\" r6 A! \6 V% Y3 c

i++ 
9 u- E6 L* g5 ?1 K; Y+ b3 g
  },( \- D3 E' z- H8 j$ q6 q8 z+ i. a% W

k.outm().delete(), 
! L- Z4 l6 q# S
  [clock()-t0]/1000- ]' Z/ _+ k1 H0 U1 W& ^

};

结果：

274978 274892 274913 274949 274953& \# C0 g' J; p; k( Z+ K m$ V
274994 275050 275001 275037 274892$ W6 J6 ]! Z2 x, L
275001 275063 275019 274963 274971
\" R- M0 C\" Z9 W: F3 x
274945 274999 275017 274983 274982; d/ D+ V+ l1 m/ w& x
275009 274984 274971 274955 274923
, G- s+ b) S' |+ y
( ]4 ]8 U4 V: |# @. V7 x
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
8 b8 w7 `: T7 Z6 J
a = rand(1000,1000);
1 @: f2 p- D9 k
b = rand(1000,1000);! E: o5 E/ _7 O! R2 }
tic
4 D1 I: I6 L( H. ^0 r. E' x
k = a * b;( M6 V7 t7 D6 r2 T6 ?
k(1:3, 5:9)
8 ` y0 Y$ `9 U
toc
' v' ]! ~/ K8 {7 T5 m
% L( w% ]- i* w) f) _9 D9 e( r/ a
ans =- V& `( ~: G6 `' q
\" o9 ^0 N* h$ a( R5 U
246.1003 244.3288 252.9674 258.1527 243.9345
+ H& }) m* i6 ]' m9 M2 j$ n
246.7404 236.1487 249.7140 251.3887 246.02940 F3 c$ Z4 |6 f8 V6 f% M\" Q2 U
249.4205 240.5515 252.5847 257.0065 249.7137
. t& L0 Y% H i, i\" ~
% f/ g8 D9 n1 O5 Q g. k# C( t
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];3 Y; c\\" f$ |2 L! Q6 v\\" G
main(:a,b,k,t0)= ]1 V- b: Z, u9 Q4 Y
oo{3 r% Y* h8 M8 E8 y9 D4 x
a=rand[1000,1000], b=rand[1000,1000],2 x\\" t4 [3 \) F& s) Z! E
t0=clock(),
4 Q8 Q) K\\" h- M
k=a*b, //矩阵乘
+ p/ x( K! P1 n* W d7 P% E
k[1,3:5,9].outm()
- f, w7 v# Y/ q7 o\\" y4 i+ e; @\\" l
},
0 b\\" Z\\" _3 u+ s6 e' O4 P
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.482
\" T) H3 o3 s. g! \. N
258.268 255.417 253.738 255.159 253.0429 F9 G# C+ Q. x5 t
258.088 252.324 248.927 252.392 247.731
8 r) w* F\" E' L8 W, r( x
3 L1 g* A6 k4 J
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