查看: 10195|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 |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( J8 b- P, r; L3 j: v
tic
7 x$ o0 M& w8 M) c4 ?4 E* a! n; Y' ?
k = zeros(5,5); % //生成5×5全0矩阵( ~/ k, J# P5 d, Q* c7 |
% 循环计算以下程序段100000次：
7 \* m/ B* Y/ w9 s/ n E7 @7 C
for m = 1:100000! L8 y! v, {\" F6 y\" D
a = rand(5,7);
0 a6 s+ Y. \5 w# @8 j q, J4 K
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
/ J; h; K c& V\" v
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
1 A$ _1 r9 I t: [\" L& _
end
V5 n7 M5 U6 J0 ^) [' W& _
k
9 V3 G9 f/ A) Q2 w! Z% c/ f
toc
+ N' B! t9 D! \\" c: o/ n5 x8 X
8 E {+ `* s3 ^
k =6 d O- a+ T: E\" J- ^! M' c
2 h& K, ^8 u% O1 J: Q1 i- m
1.0e+005 *# W+ e* u ~2 L9 R/ |1 v
- h- b. k3 g4 G- Z: m4 o
2.7525 2.7559 2.7481 2.7525 2.7511
8 c0 t\" ?$ N/ h
2.7527 2.7535 2.7430 2.7545 2.7484! v8 v! g/ f; k6 n5 B\" q
2.7493 2.7553 2.7440 2.7513 2.7485
- d. L7 G0 c) r( L
2.7481 2.7506 2.7425 2.7457 2.7460# C/ O2 J) S r\" J6 \$ P! V( i! X
2.7506 2.7525 2.7429 2.7488 2.7451
8 i9 T# p/ \4 x* F o$ S\" P
\" D8 e- _/ |- K9 }9 w `) l# h- {
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];$ m+ L9 d+ e1 n, ^1 a$ k# T
(:t0,k,i,a,b)=* _# s- g$ [! y: l$ w- }) F+ Y
{7 \2 s4 _6 [4 C2 t
t0=clock(),$ l( s! D& o0 S+ I. L7 X+ ?6 i! j5 h
k=zeros[5,5],
, l: w J1 N& B# M* `7 b `2 [
i=0,(i<100000).while{6 a& S0 }9 a# g! h* y; g3 Z
oo{2 P, \7 J3 z) C1 z& H. F2 s
a=rand[5,7], b=rand[7,5],6 o4 _ i, o6 V7 A; M9 s
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)% @3 ]( z2 Y$ Z% j1 X! x' s2 F% _
},6 b/ P7 l# W: D$ E
i++
\\" F$ \2 _& b- d6 a% R) n\\" X
},
, W0 n/ ^( M/ P/ B9 I& |
k.outm().delete(),1 Y/ C7 {5 l, f' G4 W
[clock()-t0]/1000
- w- z. t, _5 @* j! P3 {2 H
};

!using["math","sys"];$ m+ L9 d+ e1 n, ^1 a$ k# T

(:t0,k,i,a,b)=* _# s- g$ [! y: l$ w- }) F+ Y

{7 \2 s4 _6 [4 C2 t

t0=clock(),$ l( s! D& o0 S+ I. L7 X+ ?6 i! j5 h

k=zeros[5,5], 
, l: w  J1 N& B# M* `7 b  `2 [
  i=0,(i<100000).while{6 a& S0 }9 a# g! h* y; g3 Z

oo{2 P, \7 J3 z) C1 z& H. F2 s

a=rand[5,7], b=rand[7,5],6 o4 _  i, o6 V7 A; M9 s

k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)% @3 ]( z2 Y$ Z% j1 X! x' s2 F% _

},6 b/ P7 l# W: D$ E

i++ 
\\" F$ \2 _& b- d6 a% R) n\\" X
  }, 
, W0 n/ ^( M/ P/ B9 I& |
  k.outm().delete(),1 Y/ C7 {5 l, f' G4 W

[clock()-t0]/1000 
- w- z. t, _5 @* j! P3 {2 H
};

结果：

274978 274892 274913 274949 274953
9 F/ I, M+ m+ p9 M4 J5 s7 y3 ?
274994 275050 275001 275037 274892
1 r0 J) }; ~5 A* q
275001 275063 275019 274963 2749712 f9 E# j# q% g) x* t6 @9 C
274945 274999 275017 274983 274982& l Z\" e5 R, h' c9 P& p8 L
275009 274984 274971 274955 2749238 Z5 i. y9 F. B( ^
9 X5 e8 W0 ?4 e\" d4 q! |
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
3 C; r% U8 w0 G8 n: L) e
a = rand(1000,1000);\" K) E a2 h$ R a1 S
b = rand(1000,1000);
& z7 O9 h. z+ g0 B2 P
tic5 u5 L* p4 f* `- V9 S9 s9 ?
k = a * b;5 \: h* M) }2 D\" C
k(1:3, 5:9)
( M- G+ {; o5 H5 f- G
toc
5 v4 Q5 o0 w. f: U
2 H, v) F/ J; J5 u5 ~
ans =
' ^1 M5 A; j7 b$ Z( J# c9 _
- v7 W0 f* R* }* p
246.1003 244.3288 252.9674 258.1527 243.93450 ^+ w' l5 |3 v3 R, p/ \2 A. ]
246.7404 236.1487 249.7140 251.3887 246.0294# @7 b8 G, C5 |6 N7 f
249.4205 240.5515 252.5847 257.0065 249.7137! ^ J& n9 p% V; s T9 M( `
x% S/ }3 v$ w
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
: U1 g3 n- T+ W
main(:a,b,k,t0)=
+ L; `) }% o) {
oo{
2 u: U. g1 x8 i: r
a=rand[1000,1000], b=rand[1000,1000],
4 q9 O0 y; p& n! I' }( k. p: ]8 _
t0=clock(),# E! Z+ U& L; x1 j% E
k=a*b, //矩阵乘) Y- {2 }) w- j' m1 e
k[1,3:5,9].outm()
j- H E- x\\" X( d
},
& }6 {' u* z9 g% p/ g+ Q1 e( M' Y+ M
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.4823 K4 \# j* ^6 }) Q# U
258.268 255.417 253.738 255.159 253.042\" z7 n: o, Q3 w+ P
258.088 252.324 248.927 252.392 247.7316 A) [% N5 B. }\" S% ~! d. O9 \3 S: Y3 K
_4 m4 ~( n3 Y
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