查看: 10608|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 |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
0 C+ K$ n8 R; ^+ r' n
tic, R/ N4 C) w- N; D
k = zeros(5,5); % //生成5×5全0矩阵
( }( d\" B& ^5 y: S# P1 y\" m
% 循环计算以下程序段100000次：
2 z/ V/ Q4 T( {+ q2 [- V
for m = 1:100000
5 t. |* K4 w2 S
a = rand(5,7);
- m; D9 j! [1 U, x! a5 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; f, E' D2 o0 H/ G+ J/ u
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
2 j4 x0 J( w& {5 `! J: r' t
end x* p2 v! M/ ~' B% T& `' v
k2 h% C, `% V* G$ n) J$ ^
toc
! F0 f/ B) H/ n& x y\" V' J. P7 `$ Q
4 ^4 j8 k6 b M( V2 q
k =
% ]+ ?9 ?8 H8 M: z6 u9 I/ L* m. h
$ o+ D2 J1 O5 V; W3 j. ~4 P
1.0e+005 *- D5 i% Q- u1 v L1 T$ L
. K, i, `0 ^ w0 i2 h. N/ X# e
2.7525 2.7559 2.7481 2.7525 2.7511
2.7527 2.7535 2.7430 2.7545 2.7484& k# F- c3 n2 M7 _( G
2.7493 2.7553 2.7440 2.7513 2.7485
* Q2 z1 ~4 U/ G2 U5 y6 [1 G
2.7481 2.7506 2.7425 2.7457 2.7460
; R5 o; ? v3 j% |+ A4 Y: ?& d
2.7506 2.7525 2.7429 2.7488 2.74519 b' \7 d) I! j1 e# ?& W+ t$ I. x D; s
$ d, @$ `3 r! o4 p1 I
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
# H3 K1 }' X+ g1 ^3 W0 f0 K; ?
(:t0,k,i,a,b)=
, a; |) d. u\\" ^3 l, h1 s( _& l
{, f6 t/ A0 U- ~- k' W
t0=clock(),
: Z7 M7 [7 ~0 r. A
k=zeros[5,5],
% B+ `! f\\" x# p6 l+ k
i=0,(i<100000).while{$ z\\" }& \4 e$ E( Q# k; k5 F
oo{& D. `# R7 z/ S( k! J) B! n3 f
a=rand[5,7], b=rand[7,5],& ]8 G- b+ c1 b' d: D
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)
5 N* S% j\\" b% ]' O- ?* o
},
, x' O/ J6 a6 x* F$ Y
i++0 t0 V2 ^# h# q6 D2 R! @0 s% P
}, t7 b9 \# F0 j! `/ O3 u\\" [$ m; J0 P5 ^
k.outm().delete(),; S8 V. q2 e: v. r$ j
[clock()-t0]/1000
% U4 Q' c$ Y& x- x) `
};

!using["math","sys"]; 
# H3 K1 }' X+ g1 ^3 W0 f0 K; ?
(:t0,k,i,a,b)= 
, a; |) d. u\\" ^3 l, h1 s( _& l
{, f6 t/ A0 U- ~- k' W

t0=clock(), 
: Z7 M7 [7 ~0 r. A
  k=zeros[5,5], 
% B+ `! f\\" x# p6 l+ k
  i=0,(i<100000).while{$ z\\" }& \4 e$ E( Q# k; k5 F

oo{& D. `# R7 z/ S( k! J) B! n3 f

a=rand[5,7], b=rand[7,5],& ]8 G- b+ c1 b' d: D

k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg) 
5 N* S% j\\" b% ]' O- ?* o
    }, 
, x' O/ J6 a6 x* F$ Y
    i++0 t0 V2 ^# h# q6 D2 R! @0 s% P

},  t7 b9 \# F0 j! `/ O3 u\\" [$ m; J0 P5 ^

k.outm().delete(),; S8 V. q2 e: v. r$ j

[clock()-t0]/1000 
% U4 Q' c$ Y& x- x) `
};

结果：

274978 274892 274913 274949 2749530 f# N4 ]4 a3 D0 m; `5 S) @3 L0 ?
274994 275050 275001 275037 274892% \( s. t9 s. D3 q
275001 275063 275019 274963 274971
$ t+ Z* ^1 I: t! k
274945 274999 275017 274983 274982; O: n\" g7 s$ N* O\" K
275009 274984 274971 274955 274923/ U+ c) B7 |! |
) M: L$ I/ E( k9 W2 M K/ J& @8 V* 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
# R. L/ W% g/ X& `& Y1 h\" L. q% Q; {
a = rand(1000,1000);) [, T; T' D# s' \/ H( `: ?\" D, o
b = rand(1000,1000);
; D: A/ x+ j3 L0 E$ D$ D! E6 ~
tic
/ F+ B- p. p& v3 u, r! G* `
k = a * b;
Q+ J) l6 U8 e7 G
k(1:3, 5:9)
/ h$ ^0 i\" X& P
toc
\" G2 q\" `% ?( k+ ^% C; C
2 E9 {2 a! Z% ]: r\" [# b
ans =
C3 Y8 g k, L _( G, R; i+ [
\" O* L. ~6 d# A& t
246.1003 244.3288 252.9674 258.1527 243.93451 d5 u9 F, H' h4 O) Y# Y
246.7404 236.1487 249.7140 251.3887 246.0294
+ m* l/ I- U! c% S+ t4 _& s
249.4205 240.5515 252.5847 257.0065 249.7137; C- F0 c3 C3 i
q; h3 I( Y9 t7 R* Q/ ] F/ w5 @
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];+ w( i& X5 ^7 t, K9 F, i0 t
main(:a,b,k,t0)=4 X& E5 r5 p6 ]
oo{
( b8 A\\" b/ u% B/ I% l1 A
a=rand[1000,1000], b=rand[1000,1000],1 |8 f3 l$ R% Z
t0=clock(),
* ?+ A- s8 R$ _% q# Z3 @
k=a*b, //矩阵乘
0 _4 F, [) l7 a
k[1,3:5,9].outm()6 z- j& u( f9 D# L$ ?4 {, [; o
},
& c9 s9 f- _7 t4 ?- J
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.482+ H0 h; B3 l$ x5 K7 A' V
258.268 255.417 253.738 255.159 253.0422 ^! D* J1 C- b# _( J; |
258.088 252.324 248.927 252.392 247.731
; u6 b0 Q1 A2 M% {1 C3 R5 }
$ @9 f, S7 @! P
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