查看: 10329|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: R\" c) ^5 o7 |& ?
tic
9 E' _+ b; Z s5 R* m
k = zeros(5,5); % //生成5×5全0矩阵# r4 Q0 f2 V4 y5 U\" Y% G
% 循环计算以下程序段100000次：
0 P3 D# Y5 r, d9 l; m, v
for m = 1:1000009 E. {5 P9 N: V% Y$ `7 R7 G
a = rand(5,7);
0 R% S& p& g4 H
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! {+ G\" ~- V; h$ O* _
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);8 `\" R& t3 ?1 u
end
]/ u1 z2 T3 u$ Y% i2 Y! M
k
) e* y7 O3 j/ O
toc
0 p6 z5 S. V' m1 N9 a\" Z$ H
6 z/ [% M8 j5 ?. @ H5 A
k =
$ A6 ~ k/ Q6 R2 Z5 \; ^1 V
5 Z4 o$ i* t! t. c
1.0e+005 *
& D) x; `$ N( q4 z
( U! A1 K- @( n- C0 ]
2.7525 2.7559 2.7481 2.7525 2.7511, X* [9 ]1 D) _! y
2.7527 2.7535 2.7430 2.7545 2.7484% ^: c+ t; \, p) b6 @4 d
2.7493 2.7553 2.7440 2.7513 2.7485
- G$ M$ ~3 A/ W, L1 ^ D' w
2.7481 2.7506 2.7425 2.7457 2.74609 k$ C+ ~, l* I8 Z) m9 ~6 B
2.7506 2.7525 2.7429 2.7488 2.7451; A\" q& D$ \- H( h) t, q
& [6 ]4 `' w4 d8 ?) a) k
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];* G$ s& h. ^' h* c: g2 X
(:t0,k,i,a,b)=7 v! S9 i9 f2 c* V; f
{8 r) Y$ C: _1 T E$ {; U# K% k
t0=clock(),
2 p3 w6 O7 G* E\\" W
k=zeros[5,5],& ], N+ U4 b8 K+ E' ?
i=0,(i<100000).while{& {4 V+ M. v8 ~, M
oo{2 w8 [. j# J7 ]7 i/ z+ x2 Z: h# {
a=rand[5,7], b=rand[7,5],
, a5 l, n- S' n: f [
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)4 A9 E# n) c3 M( O3 D. L; V
},
6 T: D/ e! x- @! Q3 u
i++6 X( Z\\" [0 N: r: i9 C' @
},# M B+ ?# _8 d6 s\\" |: S3 X2 e
k.outm().delete(),0 P/ W4 D9 X) S% b! u
[clock()-t0]/1000' t5 S1 D; X* o+ B- r
};

!using["math","sys"];* G$ s& h. ^' h* c: g2 X

(:t0,k,i,a,b)=7 v! S9 i9 f2 c* V; f

{8 r) Y$ C: _1 T  E$ {; U# K% k

t0=clock(), 
2 p3 w6 O7 G* E\\" W
  k=zeros[5,5],& ], N+ U4 b8 K+ E' ?

i=0,(i<100000).while{& {4 V+ M. v8 ~, M

oo{2 w8 [. j# J7 ]7 i/ z+ x2 Z: h# {

a=rand[5,7], b=rand[7,5], 
, a5 l, n- S' n: f  [
      k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)4 A9 E# n) c3 M( O3 D. L; V

}, 
6 T: D/ e! x- @! Q3 u
    i++6 X( Z\\" [0 N: r: i9 C' @

},# M  B+ ?# _8 d6 s\\" |: S3 X2 e

k.outm().delete(),0 P/ W4 D9 X) S% b! u

[clock()-t0]/1000' t5 S1 D; X* o+ B- r

};

结果：

274978 274892 274913 274949 2749538 w- q0 e/ _- G0 e0 s
274994 275050 275001 275037 274892+ h8 X# k) w- g; A
275001 275063 275019 274963 274971
& q/ B; f\" ~/ d& f/ c
274945 274999 275017 274983 274982# P9 ~. D; ^& Y* O, K( U
275009 274984 274971 274955 274923 O5 u* I8 f2 I\" A0 m* S- S
\" Z# W- T2 m1 Y& \9 l( G; l
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
* w$ R. Y\" l3 ^& N8 y S
a = rand(1000,1000);' [& h! D9 n9 a5 W1 g3 {; t1 S1 k
b = rand(1000,1000);
3 Q, d8 G2 G; \/ n' }7 [+ w
tic4 R( ?1 r8 _5 s7 D' ?
k = a * b;
9 Q O\" ]9 `0 \+ x: K7 k
k(1:3, 5:9); J5 {( `/ S4 L9 T% z
toc
& C+ l: V/ A\" Z
' q7 I/ j\" k: b2 ^# |& _, E
ans =; V& j* o9 K+ s. i2 [9 y0 [1 U
3 V1 _+ T( R0 Y) ~' Y, w! U1 j. F
246.1003 244.3288 252.9674 258.1527 243.9345
0 d. \7 L+ H1 s* E% ~. ^ x; R: H9 Y
246.7404 236.1487 249.7140 251.3887 246.0294( ]3 p4 |! m9 }3 ?% X
249.4205 240.5515 252.5847 257.0065 249.7137
, t4 `4 V( H- `- W% `5 a. p
/ w. @* d3 s; D7 @0 R
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
3 `/ ~' A0 {# o\\" c1 f Y! w. c# b
main(:a,b,k,t0)=$ p; ^4 }, p) h5 {
oo{
% X2 ?3 ]/ Z% d: U' i5 u) d
a=rand[1000,1000], b=rand[1000,1000],( \6 T) g; Q% U: o, ]- k; s7 r
t0=clock(),
+ E: q1 G! b0 [ e
k=a*b, //矩阵乘$ ` z8 m9 b$ X1 `* A* l
k[1,3:5,9].outm()
. u. o1 m: B1 E+ e
},3 Z, o. l1 x; _: b! F% E
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.482' U/ t0 f\" I2 a* i& M% w% A
258.268 255.417 253.738 255.159 253.042
5 ^5 e7 i8 p4 y8 n
258.088 252.324 248.927 252.392 247.731; h ?( V5 i' U' Y2 j% E# N0 o
6 M' O) ]/ |1 M6 H* u* h
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