查看: 10525|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/ b: E) u/ y* _6 R6 y( y
tic0 S- }8 L. N! H s. A4 W. u
k = zeros(5,5); % //生成5×5全0矩阵
7 F, R3 @5 v0 f/ n: w) y8 y4 K
% 循环计算以下程序段100000次：
' M0 A- A) H6 t$ j$ o3 `
for m = 1:100000
\" X/ g% ?- \) C2 c6 W0 c3 W
a = rand(5,7);
. _1 h+ Z1 t& ^2 R) n( H4 a) r
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
8 _6 P7 ~! q. n\" \6 W
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
* n3 r; O9 r5 ^# W
end
/ v: }$ F& T7 a0 K7 l. ?
k
0 V: P4 r+ S4 Y1 ?+ ]1 a
toc
7 t8 J& }% \9 V) C. b3 j( h
- ~3 [4 t5 S7 [4 U' g3 [0 L0 P* [7 f
k =; |3 b2 T* o; T
5 Z1 H; y& \* I# V6 a* o! v2 H
1.0e+005 *
0 [$ v2 Z0 D, ^$ l0 q\" h
; ^' W9 T* w/ v m5 J9 M, l
2.7525 2.7559 2.7481 2.7525 2.7511
4 Z* K. d, G$ F$ m* b2 Y$ b
2.7527 2.7535 2.7430 2.7545 2.7484/ x; H1 C: n& h
2.7493 2.7553 2.7440 2.7513 2.7485% `5 y8 z- u: i* `
2.7481 2.7506 2.7425 2.7457 2.7460& q1 k& `, ?6 ]/ o2 {
2.7506 2.7525 2.7429 2.7488 2.7451& {' v$ X' k7 @ v
7 E* e1 a( }: k% Z% d& _
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];0 P6 {' Q8 E. ]/ v/ ]: V
(:t0,k,i,a,b)=+ d1 v5 P' e1 i* X2 \1 |8 D4 [
{
( b2 f7 ?5 w- x9 r4 h
t0=clock(),
/ Y2 e* i( G; u: Q( j
k=zeros[5,5],: {1 f. l) z. y9 x2 y/ z i) P
i=0,(i<100000).while{3 U+ \ }! h5 x; J7 {% _7 K
oo{
/ n/ H+ G2 V7 l! z- V$ J5 w
a=rand[5,7], b=rand[7,5],# e7 G9 w0 E x! D6 K- b
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)
1 {0 F& P* t9 T
},+ f- u) D9 [2 ?! \3 R
i++
) _8 j0 f* e, r- ]. b2 @* L
},0 w O0 E8 R# Z) N. V* G9 h
k.outm().delete(),
6 p5 a\\" A* J5 S. Z2 e
[clock()-t0]/1000
1 P2 W+ m/ h' n; {
};

!using["math","sys"];0 P6 {' Q8 E. ]/ v/ ]: V

(:t0,k,i,a,b)=+ d1 v5 P' e1 i* X2 \1 |8 D4 [

{ 
( b2 f7 ?5 w- x9 r4 h
  t0=clock(), 
/ Y2 e* i( G; u: Q( j
  k=zeros[5,5],: {1 f. l) z. y9 x2 y/ z  i) P

i=0,(i<100000).while{3 U+ \  }! h5 x; J7 {% _7 K

oo{ 
/ n/ H+ G2 V7 l! z- V$ J5 w
      a=rand[5,7], b=rand[7,5],# e7 G9 w0 E  x! D6 K- b

k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg) 
1 {0 F& P* t9 T
    },+ f- u) D9 [2 ?! \3 R

i++ 
) _8 j0 f* e, r- ]. b2 @* L
  },0 w  O0 E8 R# Z) N. V* G9 h

k.outm().delete(), 
6 p5 a\\" A* J5 S. Z2 e
  [clock()-t0]/1000 
1 P2 W+ m/ h' n; {
};

结果：

274978 274892 274913 274949 274953$ T$ d0 I& ]+ ]: q1 L. {* w6 G& e
274994 275050 275001 275037 2748920 P* }; E8 f& u! g/ i
275001 275063 275019 274963 274971+ b0 |) {7 L: E% a! N
274945 274999 275017 274983 274982
1 i2 r4 V* P+ ~) c& P( G
275009 274984 274971 274955 274923: h+ \2 G) M& A' @# m. g
! c a( N8 y' q' y7 F
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
! ?8 G2 g& `9 C: `, w
a = rand(1000,1000);
/ x0 s$ N4 A; E: \% \; j
b = rand(1000,1000);
/ g8 ]( f/ ^! y, }
tic X- Q, e/ W# y% A9 d2 o$ |& m
k = a * b;\" G! D+ X) H4 L# W2 j
k(1:3, 5:9)
7 ]: n; S) \4 i4 g3 |
toc
! d! A3 \- J9 \2 d. X% a4 A) z. ?
% O C, b% q5 }# v0 b9 {4 Y
ans =
' c5 }4 ^/ v- y+ f/ J\" b- W: G6 V6 ^
# q: i1 h( ?. x, z- a i: h
246.1003 244.3288 252.9674 258.1527 243.93456 l* P, ]5 \0 l( C2 _
246.7404 236.1487 249.7140 251.3887 246.02945 p- Q8 k\" N& u- B9 W/ t
249.4205 240.5515 252.5847 257.0065 249.7137
; K: y% o( X- a8 l, ^1 T& c( _
& @8 c% [- M, O; `6 c2 i3 H
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
' J9 u+ l4 j* {6 j/ R. k\\" A; u\\" N
main(:a,b,k,t0)=! T5 [! T& T' J# W; p9 `3 F/ L
oo{
+ d/ w\\" S( O& @) _; A\\" g' }) g4 _
a=rand[1000,1000], b=rand[1000,1000],% E4 y6 w& A2 A2 b! _8 {
t0=clock(),
5 F) m d. |9 r* O$ W' H* i
k=a*b, //矩阵乘
1 q* f1 A5 O9 g7 O2 h
k[1,3:5,9].outm()+ h, ?7 G. r( k9 ?
},0 E* V; m9 _+ _9 h! r. q7 q
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.482
3 _1 G0 C3 w* {* O# y. d7 ?
258.268 255.417 253.738 255.159 253.042
) C7 z' {* o2 d7 z: ?
258.088 252.324 248.927 252.392 247.731% v1 s: ^% O3 D6 \5 X
% X& j, I, |8 I- g6 p; s6 N/ R( V
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