查看: 10660|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; ^2 I- j: C: f( b0 J. R
tic4 I* Z, ]( L. @8 |) h
k = zeros(5,5); % //生成5×5全0矩阵
\" b& u\" I7 ]! q\" U/ q8 z- m7 [
% 循环计算以下程序段100000次：# v$ b9 q+ Y4 p5 C- D k9 {: b
for m = 1:100000
9 m* J8 O! V, u9 K. v
a = rand(5,7);2 R- D% L3 Z# 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
9 d: t0 @' x# F; B, c: W
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
/ N& r, g, N( w s, Z5 }9 u
end b6 L\" I& R6 g: U& t5 l
k
, b/ J) ?8 }& v/ _9 r m
toc
0 Z' ?7 {$ B0 W: h5 k5 r4 j' V\" t
/ U4 r; H1 y; t. Q- D3 n/ s
k =+ @6 Y' C+ }: F% w w y
; N& S9 O+ L5 }8 z\" \1 H1 `4 I
1.0e+005 *
4 O. }% `: j3 h
4 y* K4 {. G# W\" `( C, W
2.7525 2.7559 2.7481 2.7525 2.7511
7 v7 `0 p3 O) o& `5 O# {. |9 S0 Z, [
2.7527 2.7535 2.7430 2.7545 2.7484 `! t6 U) L! ?% P
2.7493 2.7553 2.7440 2.7513 2.7485' w1 `' ]\" g, h4 ]) @% Q* r. L
2.7481 2.7506 2.7425 2.7457 2.7460: X( m8 S4 r- ]$ j% b
2.7506 2.7525 2.7429 2.7488 2.74515 E& T7 y& x9 P. d
8 i, V\" P. p S) c; T/ q: ]
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
' m. V\\" R. a8 k6 v5 b
(:t0,k,i,a,b)=
% {' K) b+ q# }6 N+ J
{; d+ ^, U( @3 ]. g6 y\\" L
t0=clock(),7 A\\" l, s$ F& j+ d: M+ @- `: E
k=zeros[5,5],
( z# O1 ? Q) t: `8 ~$ a! x
i=0,(i<100000).while{
3 A8 B; T8 f9 ~8 L z8 a
oo{
1 j2 v: k& ^/ W) x; }+ N7 N
a=rand[5,7], b=rand[7,5],5 B/ c! j$ V0 O. A
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)3 H& o& v7 ?\\" e! ~+ _. s& v% U6 U
},/ y; L% g3 T' t8 b& s: G
i++
8 y/ @& `3 E. W0 `2 F
},
, ~! J\\" _# G\\" Y
k.outm().delete(),
) e+ O' C) v; V& c7 |
[clock()-t0]/1000
3 S J' }( F+ \( T7 X# x
};

!using["math","sys"]; 
' m. V\\" R. a8 k6 v5 b
(:t0,k,i,a,b)= 
% {' K) b+ q# }6 N+ J
{; d+ ^, U( @3 ]. g6 y\\" L

t0=clock(),7 A\\" l, s$ F& j+ d: M+ @- `: E

k=zeros[5,5], 
( z# O1 ?  Q) t: `8 ~$ a! x
  i=0,(i<100000).while{ 
3 A8 B; T8 f9 ~8 L  z8 a
    oo{ 
1 j2 v: k& ^/ W) x; }+ N7 N
      a=rand[5,7], b=rand[7,5],5 B/ c! j$ V0 O. A

k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)3 H& o& v7 ?\\" e! ~+ _. s& v% U6 U

},/ y; L% g3 T' t8 b& s: G

i++ 
8 y/ @& `3 E. W0 `2 F
  }, 
, ~! J\\" _# G\\" Y
  k.outm().delete(), 
) e+ O' C) v; V& c7 |
  [clock()-t0]/1000 
3 S  J' }( F+ \( T7 X# x
};

结果：

274978 274892 274913 274949 274953
$ m+ z8 H& h9 v6 X
274994 275050 275001 275037 274892
7 X6 U0 U( h. E0 M; u6 c
275001 275063 275019 274963 274971
( o1 E6 ~; `: r$ H r) P
274945 274999 275017 274983 2749825 }7 G% j' A* G% k! o O0 U( |5 g5 s
275009 274984 274971 274955 2749235 I! |9 q6 a9 Y
% H* F4 |/ a/ Y0 _\" u
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
- f. ]7 }# A) I6 n
a = rand(1000,1000);# @2 D4 d* I, A) n
b = rand(1000,1000);
* Q! f, Y( L6 `! s
tic
# U+ M$ e) _3 Q. L& W
k = a * b;
9 F( y\" j5 U- b9 n
k(1:3, 5:9)9 L3 f' T! |( d8 B
toc+ H# H. T) S) z# U! D+ x4 s- G
4 t\" X) I9 t& F
ans =\" C) r2 ~8 h6 O7 \
& i! z- U; G+ E\" L$ d
246.1003 244.3288 252.9674 258.1527 243.9345+ z$ D3 A C3 s
246.7404 236.1487 249.7140 251.3887 246.02943 a+ k5 w% q! C4 y' r- J7 {
249.4205 240.5515 252.5847 257.0065 249.7137
9 Y6 B/ h' S; X\" s. f
+ a* ~' C K5 s7 s$ H, M3 r
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];- e# h) F' A7 B
main(:a,b,k,t0)=
# k5 Z0 D- n( T\\" W& L( {5 i# J
oo{+ B( [+ D: h! B1 b9 N7 S
a=rand[1000,1000], b=rand[1000,1000],9 S+ v$ y\\" Z7 N- m3 w: {
t0=clock(),+ T* `+ a( X9 x
k=a*b, //矩阵乘
4 Q9 [$ O& k( Q2 L! T% Q. m
k[1,3:5,9].outm()
: U! k\\" r8 F y9 R( J
},
# u6 L V5 x- q- [& v/ W2 W
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.482/ w, [% a& K, _/ [5 f7 n
258.268 255.417 253.738 255.159 253.042
0 [) t/ T/ H$ q& _+ ?
258.088 252.324 248.927 252.392 247.731
7 k' X+ {. k8 h
+ \1 i4 s8 Q4 S/ D; F( W
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