查看: 10178|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+ K' y\" c# ?1 N$ n8 M. }( Z
tic
% X; e |$ [# T1 h' n
k = zeros(5,5); % //生成5×5全0矩阵\" ~2 p5 F* }! V7 o
% 循环计算以下程序段100000次：% v$ a* o3 `3 [' s H
for m = 1:1000008 i2 n, K C, ^: x) @$ i N5 t
a = rand(5,7);
3 A* W' w8 `5 `) ~9 K- m+ T
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
; N1 Q6 q# l$ }4 e4 R3 u6 C
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);* N$ Z1 I' w9 ?4 f* V* i. P
end
) }. ^( @0 N\" K9 f; a6 ^. {# v
k
# x/ ~- {4 b% B( Q4 {3 D: }
toc
' d! l$ Y$ O6 U4 L; R+ a( u
1 k3 j H) d2 { f( s% |9 W, a
k =. |- X9 @+ ]\" M5 A; R
+ E; V2 @* q, W0 n
1.0e+005 *& ~& q4 O% s$ G+ h7 |
# x8 ?( J( t! z
2.7525 2.7559 2.7481 2.7525 2.7511
: ?: j- z6 ?1 U
2.7527 2.7535 2.7430 2.7545 2.7484' {( X+ h& d. }. r! ~/ T
2.7493 2.7553 2.7440 2.7513 2.7485
+ ~. y- I3 ^ v\" v0 ]& U; [( ^0 A
2.7481 2.7506 2.7425 2.7457 2.7460
) z9 Y9 E\" a\" e. R
2.7506 2.7525 2.7429 2.7488 2.7451
! }6 b, u0 v2 B% C
$ Q4 p* f# V; C5 \
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];\\" ]& p5 r+ e% V' G- v: K# Y
(:t0,k,i,a,b)=
/ H0 L2 W/ M# o4 @
{
6 {; _4 l, n% { D% i6 p; n' K
t0=clock(),
* F! Y' o$ a* }
k=zeros[5,5],9 O, Y* e) l2 g, b9 ^\\" m
i=0,(i<100000).while{
* N/ f9 |0 d! T! F
oo{
8 N& t+ U* r9 x& q
a=rand[5,7], b=rand[7,5],
\\" a% d6 v\\" m7 \$ W2 A' C* C
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)9 r, ~: W/ g7 ]9 _8 P. Z0 l
},4 N& {2 j; H3 Q9 O0 K$ T
i++
\\" w d. k: ~3 _8 v& ~
},
/ ^2 n5 X0 i4 [/ P
k.outm().delete(),
; z7 r! w8 x& d- T+ r0 ?5 |+ `5 \
[clock()-t0]/1000+ v% T% B2 M# E6 Z
};

!using["math","sys"];\\" ]& p5 r+ e% V' G- v: K# Y

(:t0,k,i,a,b)= 
/ H0 L2 W/ M# o4 @
{ 
6 {; _4 l, n% {  D% i6 p; n' K
  t0=clock(), 
* F! Y' o$ a* }
  k=zeros[5,5],9 O, Y* e) l2 g, b9 ^\\" m

i=0,(i<100000).while{ 
* N/ f9 |0 d! T! F
    oo{ 
8 N& t+ U* r9 x& q
      a=rand[5,7], b=rand[7,5], 
\\" a% d6 v\\" m7 \$ W2 A' C* C
      k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)9 r, ~: W/ g7 ]9 _8 P. Z0 l

},4 N& {2 j; H3 Q9 O0 K$ T

i++ 
\\" w  d. k: ~3 _8 v& ~
  }, 
/ ^2 n5 X0 i4 [/ P
  k.outm().delete(), 
; z7 r! w8 x& d- T+ r0 ?5 |+ `5 \
  [clock()-t0]/1000+ v% T% B2 M# E6 Z

};

结果：

274978 274892 274913 274949 274953
5 S: r' m* B( ]9 S1 b I( e& ~
274994 275050 275001 275037 274892
- i. j; I5 ~; ?. [: A* q+ J# v
275001 275063 275019 274963 274971+ k9 `8 F6 T; L
274945 274999 275017 274983 274982! i& S5 R, U. F8 `\" I
275009 274984 274971 274955 274923
' r0 n4 Q7 w3 |) m2 o. S
2 Q- Y k# ` D3 H2 h
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% O# [$ \' b\" s- }
a = rand(1000,1000);
% w5 ~& D/ M2 y6 L% m& m9 b/ T# n
b = rand(1000,1000);: j! k9 m* d% U
tic
1 ~* e; e9 B4 B, }. d5 w* s
k = a * b;
% x) N; V; I9 o+ z- d3 e
k(1:3, 5:9)
) L; Q: f- X. |2 g' X
toc2 b! ]9 j* J; E\" F
& K `! n( ~% J4 ?$ \5 X8 D
ans =
, M$ f3 ]1 T2 p& U) A
l5 O\" I. R8 e. M
246.1003 244.3288 252.9674 258.1527 243.9345
c/ }. D8 C$ C
246.7404 236.1487 249.7140 251.3887 246.0294! T! K* `# `1 C- z' v8 \% }, `, |
249.4205 240.5515 252.5847 257.0065 249.7137
L9 V, T\" f4 K1 \! w
% b6 n% {* o( ~; v
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
, U- U6 I. {1 @: I2 W2 `) C
main(:a,b,k,t0)=8 T8 C4 [! i, u- z: A
oo{
6 V/ W% M# A' t# ^
a=rand[1000,1000], b=rand[1000,1000],
+ ]: F5 u( Y8 Y Q, [
t0=clock(),0 n- J$ m/ H* x; }; t: }\\" @4 f
k=a*b, //矩阵乘$ E; d1 ?) k* ]$ P0 k' z
k[1,3:5,9].outm()
6 Q, ]5 A( V, z/ Z* N8 I3 c# L
},
3 [% z+ b+ |& p( W$ I\\" d( a% r
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.482& Z2 X, t! t K, b
258.268 255.417 253.738 255.159 253.042! r9 ]' f, b7 w# ?- n; P! U* v7 A
258.088 252.324 248.927 252.392 247.731
) i) i. T' B; `& K% J0 h3 f
. R! w+ J\" \8 w A: A
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