查看: 10606|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

^#

发表于 2011-8-1 08:00 |只看该作者 |正序浏览

|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
. w\" t* {- |\" n/ B; P* C& P) u0 L
tic
\" v' j# V% U+ q1 }1 V
k = zeros(5,5); % //生成5×5全0矩阵
6 q: n7 v- z4 @\" ^8 r, a( F
% 循环计算以下程序段100000次：- {+ [. W. o( Y! ~7 ?
for m = 1:100000( C. d! N4 |. G\" g
a = rand(5,7);( Q9 h ~\" N. w4 Q) Y
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
4 v l- O0 _9 {9 n1 y6 f3 ?
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
) u. L1 N8 u- X& Z# _
end
! F) R: W8 W2 m- v
k
& R/ D+ M6 o7 g8 O
toc
/ p+ |3 i* i) ^) k; G; a\" l: Q
[5 S7 O$ ^/ |! Z8 ^
k =1 P- n$ m, P5 N2 w: O
+ l9 V% o0 E8 w
1.0e+005 * N; a6 J! C8 i
/ D' Z6 T1 y T7 V, ^
2.7525 2.7559 2.7481 2.7525 2.7511
- f) W1 W7 N1 `/ a& L5 f U
2.7527 2.7535 2.7430 2.7545 2.7484. b+ K% W* F: J
2.7493 2.7553 2.7440 2.7513 2.7485
C3 V4 N. \$ W0 H1 a2 T3 y\" V* X
2.7481 2.7506 2.7425 2.7457 2.74608 C- c( @6 b\" ]$ f% x. K' U. z7 ~4 J
2.7506 2.7525 2.7429 2.7488 2.7451
! W$ o! a; M\" d5 D
* A2 z D0 m# g$ F2 O8 t8 a: i
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
/ E \* r! B4 U2 X
(:t0,k,i,a,b)=4 `: J& c+ T% D( ^0 z6 b4 T# g
{
( ~3 ?: R1 ?) k1 {5 U3 _
t0=clock(),# W) X( ?, W2 \4 l
k=zeros[5,5],
! G) [\\" {7 n; T. n. O
i=0,(i<100000).while{3 c+ ^# l2 s: Q' U
oo{
+ m! D5 U: g; \2 i( }
a=rand[5,7], b=rand[7,5],
9 [. o9 U& T$ l# Y; a( T) e' L! i* I
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)! s1 {7 i' s& G3 _+ i5 B* ~
},! ~ }4 Z6 V& t; A- M2 r _
i++- F% ^7 t, J( A+ K\\" c7 ^7 D
},
. P0 s7 J5 p3 L: W3 p1 G
k.outm().delete(),
. a- ~7 y' k1 {/ M; n& F
[clock()-t0]/1000
, ]$ {! n% g5 b/ N4 C, j) ~
};

!using["math","sys"]; 
/ E  \* r! B4 U2 X
(:t0,k,i,a,b)=4 `: J& c+ T% D( ^0 z6 b4 T# g

{ 
( ~3 ?: R1 ?) k1 {5 U3 _
  t0=clock(),# W) X( ?, W2 \4 l

k=zeros[5,5], 
! G) [\\" {7 n; T. n. O
  i=0,(i<100000).while{3 c+ ^# l2 s: Q' U

oo{ 
+ m! D5 U: g; \2 i( }
      a=rand[5,7], b=rand[7,5], 
9 [. o9 U& T$ l# Y; a( T) e' L! i* I
      k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)! s1 {7 i' s& G3 _+ i5 B* ~

},! ~  }4 Z6 V& t; A- M2 r  _

i++- F% ^7 t, J( A+ K\\" c7 ^7 D

}, 
. P0 s7 J5 p3 L: W3 p1 G
  k.outm().delete(), 
. a- ~7 y' k1 {/ M; n& F
  [clock()-t0]/1000 
, ]$ {! n% g5 b/ N4 C, j) ~
};

结果：

274978 274892 274913 274949 2749534 k# a; l6 H, b+ ^) m
274994 275050 275001 275037 2748923 X3 n6 r% v# i, o; A
275001 275063 275019 274963 274971
% @% a' n6 ~# q$ P: P' |
274945 274999 275017 274983 274982
275009 274984 274971 274955 274923
& C* S7 J5 Z; e/ m- E
- g\" Y* J& T& X+ Y2 z
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' y- T) w6 A* h1 h; p$ s\" O) m
a = rand(1000,1000);
6 g% g2 I: ]5 J
b = rand(1000,1000);6 n& U9 d3 l& h! Z, i0 T4 }1 ]
tic
# c I1 K4 l6 A* J$ ~
k = a * b;
* \! c& m/ `5 N$ @1 N0 _' H
k(1:3, 5:9)( ?& ?* @: Y% E( e' W( Q L; P
toc
$ }9 R9 p+ O% e L N$ X0 H
$ o3 R9 }3 T) Y
ans =! G2 j% q# S9 y9 ]
) r8 v$ p! w }! w# }1 B
246.1003 244.3288 252.9674 258.1527 243.93450 A# H* Z1 }9 ~1 u$ a; |
246.7404 236.1487 249.7140 251.3887 246.0294/ v2 [# i. E s
249.4205 240.5515 252.5847 257.0065 249.7137
% v9 V2 j6 s2 c/ S7 L& Y& v V: X
: q. M\" S7 H5 Z& m
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];: w; _2 ]' ? H; @
main(:a,b,k,t0)=
& g* X: U. n0 F/ g
oo{/ a+ B6 w/ ]& K, D& U9 `) a
a=rand[1000,1000], b=rand[1000,1000],
7 }+ x& h0 l7 n7 n0 s7 w\\" U
t0=clock(),
$ y# V# t d; L5 z, b$ A
k=a*b, //矩阵乘
- ~) c: H) O% B: m0 E2 ^- C9 C
k[1,3:5,9].outm()/ A7 ~3 o, b9 k, q1 Z1 N9 _
},
Q, V6 {7 k7 E* H0 U- q
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.482
$ L5 p+ l2 I4 C) B- k' d
258.268 255.417 253.738 255.159 253.042/ ^0 S/ p- N7 E) \
258.088 252.324 248.927 252.392 247.731
# R. V& Z% H7 U0 c% `/ h\" H
' l8 y: X% G- m
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