查看: 10785|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
tic
6 |, F+ R% j9 N
k = zeros(5,5); % //生成5×5全0矩阵
4 ?* G8 q4 |3 r+ H
% 循环计算以下程序段100000次：
% b9 A& ~; \7 A: m$ t
for m = 1:100000
( b U# _\" ?: h6 `9 M6 d' K\" |
a = rand(5,7);
3 \0 Y% V6 _, c7 L% O
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
\" ~, I) g' ]6 b5 V
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
/ M* R' H }3 _8 M% E3 D
end( ^8 r, {, _ t! r' \2 ]6 C: y
k% E- l7 m7 ]* D, t. o; R0 `3 d
toc% a/ ~4 u. l$ ?
+ t6 y+ a# n; j3 s5 m& r
k =( F0 Y. Y0 z* _$ Z- e
1 v# y# r$ y8 S* R
1.0e+005 *
; ?% i( [+ ]8 U: l5 Z
) v: Y- L' ]. y\" P. |) K
2.7525 2.7559 2.7481 2.7525 2.7511. _1 k2 k e5 L M# f7 [* T4 K. J
2.7527 2.7535 2.7430 2.7545 2.74845 S6 I% ~! ~/ m
2.7493 2.7553 2.7440 2.7513 2.7485! p6 c1 k. Y3 |5 _$ d4 L/ i
2.7481 2.7506 2.7425 2.7457 2.74603 E. y, I9 N2 s8 P/ ]4 W
2.7506 2.7525 2.7429 2.7488 2.7451+ V/ N) Q+ |( J x8 }/ v+ i
$ m8 W8 b3 c- t0 Q' N% N
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
8 C0 {3 W: `7 I. P9 O; h. V' T, ?: ?
(:t0,k,i,a,b)=/ l+ o1 B8 m( L& s3 D2 a7 y
{
, \0 r6 R* @) [* P
t0=clock(),+ D! e4 ]1 v' h5 [. ?/ l1 x6 Z; d, _
k=zeros[5,5],$ J9 ?7 }( H7 d p
i=0,(i<100000).while{1 R2 V; w5 U, h- D; x5 D, b
oo{
: v4 l\\" B, T7 g9 W; }7 T
a=rand[5,7], b=rand[7,5],- u; ?/ o: O; }+ W
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg), |0 J2 n. S% a5 n; _ ^6 B
},0 ?! D% C- V: Y\\" o
i++8 X# W4 {+ ^$ H/ ?% f, K/ N
},% s2 S' D9 O& P8 k8 z6 @
k.outm().delete(),7 _1 @0 y/ ]- y5 D6 [9 L
[clock()-t0]/1000
8 K' _8 h7 @6 d4 o! D
};

!using["math","sys"]; 
8 C0 {3 W: `7 I. P9 O; h. V' T, ?: ?
(:t0,k,i,a,b)=/ l+ o1 B8 m( L& s3 D2 a7 y

{ 
, \0 r6 R* @) [* P
  t0=clock(),+ D! e4 ]1 v' h5 [. ?/ l1 x6 Z; d, _

k=zeros[5,5],$ J9 ?7 }( H7 d  p

i=0,(i<100000).while{1 R2 V; w5 U, h- D; x5 D, b

oo{ 
: v4 l\\" B, T7 g9 W; }7 T
      a=rand[5,7], b=rand[7,5],- u; ?/ o: O; }+ W

k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg), |0 J2 n. S% a5 n; _  ^6 B

},0 ?! D% C- V: Y\\" o

i++8 X# W4 {+ ^$ H/ ?% f, K/ N

},% s2 S' D9 O& P8 k8 z6 @

k.outm().delete(),7 _1 @0 y/ ]- y5 D6 [9 L

[clock()-t0]/1000 
8 K' _8 h7 @6 d4 o! D
};

结果：

274978 274892 274913 274949 274953
- j0 K8 e5 t7 i& r
274994 275050 275001 275037 274892
7 ~# \ e% P- Y w v7 |+ Z2 A% v
275001 275063 275019 274963 274971
X/ a$ n0 S* l0 G& `% q
274945 274999 275017 274983 274982
5 ?\" U2 \\" L% r5 y* Y I
275009 274984 274971 274955 274923
/ q) K- d9 J3 X
\" u8 v. d# ~/ l
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
: Q( \/ w$ i' @6 x. {0 f, D% D* e
a = rand(1000,1000);
\" ^1 k$ R9 [4 N) ]& P
b = rand(1000,1000);
0 J+ k1 k$ ]/ g5 \' s4 s' u5 v
tic& P- v6 x, m7 n3 y9 m: f
k = a * b;
- Z; d, V: l/ a t2 x' u
k(1:3, 5:9)
* s4 s O. J( V! @+ Z6 _' M: ]4 j
toc% y( B' A {; {0 k: [- ^+ V
5 m7 d\" c1 e9 Y\" q\" }
ans =
& x) o. r) b4 P, u8 H9 y8 x, `0 ^
9 _% s( b [: }
246.1003 244.3288 252.9674 258.1527 243.9345% F$ k2 I$ [9 ]9 c8 {; `
246.7404 236.1487 249.7140 251.3887 246.0294
, K. W+ i: i; G- [
249.4205 240.5515 252.5847 257.0065 249.7137% w% ~* b e& T x, k
; s( @3 J/ p# A$ Y# y- O* s8 _3 |
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
6 W# R' ~- x& J& I' a; V
main(:a,b,k,t0)=- n! I9 m! F1 O, P2 d+ \6 ^
oo{
+ W* {2 K+ M7 g3 }2 ^0 i
a=rand[1000,1000], b=rand[1000,1000],
# W( c6 N: ~6 {\\" M
t0=clock(),
k=a*b, //矩阵乘
. E0 P+ _+ _) o% s$ y6 g
k[1,3:5,9].outm()
},
0 x+ O* J6 g4 ^8 ^
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.482' H. F; _+ I2 T0 t- h
258.268 255.417 253.738 255.159 253.042
258.088 252.324 248.927 252.392 247.7316 g8 L# i5 F: @
' n# j6 B6 h4 k- F& S6 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