查看: 10775|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

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! W T5 B& R$ \' p/ W8 {+ F
tic
& k6 P( p) b) D# a. f- ^
k = zeros(5,5); % //生成5×5全0矩阵. ~9 N% M! }! R7 Q9 N
% 循环计算以下程序段100000次：! l4 u$ ^# j8 S* z1 G; ?
for m = 1:100000# ]! j4 c1 a# d' L
a = rand(5,7);
9 E: D c0 A d j\" R0 z
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
* g8 R: j0 ^/ X; A\" I\" S: W
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
* Q1 N4 N. P9 W. z- p3 K% h0 K
end' E- c, f6 M8 b. S
k6 L' H( R( L3 {
toc5 d) m6 d/ y0 o7 g; `& N1 F# M
% t* e4 M; p7 ]7 N* u+ o# i. a
k =
+ c S\" T* Z6 a$ o4 k9 u
x* [0 Y+ b# u. F* j% M
1.0e+005 *. K& u, B v: [* o\" X' t
; @8 V# ~\" p. B7 `6 B
2.7525 2.7559 2.7481 2.7525 2.75113 @' i$ h0 t1 N5 w7 m+ {
2.7527 2.7535 2.7430 2.7545 2.7484\" |; e8 z) L$ u* T: |0 W( L9 |\" g
2.7493 2.7553 2.7440 2.7513 2.7485( ^3 {8 S( T\" f5 l' D
2.7481 2.7506 2.7425 2.7457 2.7460
; G% [! m) \: s
2.7506 2.7525 2.7429 2.7488 2.7451
\" }( q4 y: K2 W! o5 v( i$ i
' R) O& d# c/ f0 s5 Z) ~! d4 [
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
/ Q6 c2 m P* z$ V\\" v% W
(:t0,k,i,a,b)=
0 m\\" Q; E- |* h* @
{
& R' s, U9 E9 y& _: S7 V, w
t0=clock(),
7 l3 w% F( {7 n! V/ P! M/ r+ k
k=zeros[5,5],
. J\\" z2 O* P/ a0 I
i=0,(i<100000).while{! l* [( Y* G; H# Q0 ~8 d1 O( p. X0 o
oo{* ^4 ~5 n) u. ~5 R2 r' y! j1 P2 I# s
a=rand[5,7], b=rand[7,5],& Q( ~$ X2 S6 F6 O
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg): g# G5 C0 V. Y# c) f) H
},2 t3 U* Z* [ G( Z: b
i++
9 w0 W4 W7 U* V6 t; g- C1 V
},8 r* O3 R9 F. y8 v+ W7 \7 G
k.outm().delete(),. |9 E9 T# n: u9 o! J. l
[clock()-t0]/1000
# t6 e3 ]$ q3 ^! F, Z* z# f
};

!using["math","sys"]; 
/ Q6 c2 m  P* z$ V\\" v% W
(:t0,k,i,a,b)= 
0 m\\" Q; E- |* h* @
{ 
& R' s, U9 E9 y& _: S7 V, w
  t0=clock(), 
7 l3 w% F( {7 n! V/ P! M/ r+ k
  k=zeros[5,5], 
. J\\" z2 O* P/ a0 I
  i=0,(i<100000).while{! l* [( Y* G; H# Q0 ~8 d1 O( p. X0 o

oo{* ^4 ~5 n) u. ~5 R2 r' y! j1 P2 I# s

a=rand[5,7], b=rand[7,5],& Q( ~$ X2 S6 F6 O

k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg): g# G5 C0 V. Y# c) f) H

},2 t3 U* Z* [  G( Z: b

i++ 
9 w0 W4 W7 U* V6 t; g- C1 V
  },8 r* O3 R9 F. y8 v+ W7 \7 G

k.outm().delete(),. |9 E9 T# n: u9 o! J. l

[clock()-t0]/1000 
# t6 e3 ]$ q3 ^! F, Z* z# f
};

结果：

274978 274892 274913 274949 274953
3 o; K- B- y8 E
274994 275050 275001 275037 2748924 A/ M. f1 {( t, O' n' j\" [
275001 275063 275019 274963 2749716 R) |4 v0 i' |; v5 l( _* [) D
274945 274999 275017 274983 274982) |% o1 `7 d% H. g* \: e6 W( ]
275009 274984 274971 274955 274923
\" h' W5 T\" R3 \+ W. }
4 p6 C! N\" }( C5 G
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, F* k: O; ^$ g( r
a = rand(1000,1000);! x: x1 `! `# b2 k
b = rand(1000,1000);( t* A& O1 r1 G3 v4 d8 W5 `
tic) \' n! C' Q0 c/ L8 c
k = a * b;
8 `& r. E1 n0 ?
k(1:3, 5:9)+ D9 i8 N0 ~$ ]# x) N) b _; s
toc
\" n+ W( i7 B# C1 R/ C. V# M2 f
. J8 h) i\" m) m7 l
ans =\" Z3 O( o# d& q
) _# g o1 |% K7 a\" N0 ~
246.1003 244.3288 252.9674 258.1527 243.9345% j# J' [' b- D6 U4 M3 F
246.7404 236.1487 249.7140 251.3887 246.0294$ D* {2 E+ @/ W4 \% I
249.4205 240.5515 252.5847 257.0065 249.71371 r. l3 U) W, M; G! d; i: }
( m, \/ Q+ K8 T3 I K7 L$ Z) a
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];0 k+ m- m* i8 s
main(:a,b,k,t0)=6 f2 U+ v8 {8 x( g/ ?. [# j. Z
oo{
0 M' D% [* S/ f0 D' @6 l$ T
a=rand[1000,1000], b=rand[1000,1000],
6 ?* ~9 u' Y% s8 X/ t3 J- b& u! h
t0=clock(),
1 f# ~8 ]5 N+ n( O2 ^! w; \' g
k=a*b, //矩阵乘 a# W5 B' N# L' ^
k[1,3:5,9].outm()4 R1 n+ c, f0 P( |! ]% I
},
9 E& U, `! @3 b* i! q
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.482
8 q$ z4 f% G5 j( i
258.268 255.417 253.738 255.159 253.042
% L- d/ ^& H% Z3 ?9 d# D6 `6 j
258.088 252.324 248.927 252.392 247.731
7 S j% h: K$ [4 @9 f: Z2 D
( _3 J. Z: N7 [* 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