查看: 10529|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
# f9 K0 w! i& v) }2 c- j4 I
tic0 C- |2 n9 J0 u# J1 d/ _
k = zeros(5,5); % //生成5×5全0矩阵
* p8 ~3 C+ R: T5 O8 U
% 循环计算以下程序段100000次：
. C9 g; B- y2 C\" h
for m = 1:100000
: e( F2 }; d6 Q1 s- P( C# f0 B
a = rand(5,7);
% x6 N% o, N! L7 n
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
1 ~4 p: f( m4 h( F
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);! M( ~ k4 \* @) j q; J r1 i$ r5 \
end
: N9 @' D0 i& I' C' i
k\" F e\" N/ p- u
toc
- ]6 O8 M5 v/ p5 o: g
C; Z5 u0 v& n, G: k% y$ u8 B
k =7 u, C\" P) |% K+ [* \2 @; V' W/ a
# d* Q1 r% R* m* N0 k2 s
1.0e+005 *' }7 E, @! {' F y
2 F, c! o7 P7 w# E
2.7525 2.7559 2.7481 2.7525 2.7511
6 a. L5 o6 a$ C- K5 r
2.7527 2.7535 2.7430 2.7545 2.74845 M' E1 K# j I: D1 E8 n! A
2.7493 2.7553 2.7440 2.7513 2.7485& k- r0 T6 Q6 r. Q\" N2 \& j0 _
2.7481 2.7506 2.7425 2.7457 2.7460
* T2 R3 m7 a- B) |$ r1 q
2.7506 2.7525 2.7429 2.7488 2.7451
8 v# H5 g' Z- ~5 V; j% d0 Y d. [
' F e4 V I& G\" K
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];& c# z d4 w- M: K. K j% q
(:t0,k,i,a,b)=
* T0 \; f; c) X* x
{3 d a* f8 ~/ G
t0=clock(),\\" Y% Q# z8 X a
k=zeros[5,5],
8 R* @ \% e2 ~+ l5 t! O
i=0,(i<100000).while{% G* v9 Z. n\\" |* K
oo{
( J4 n- Y4 ~+ E
a=rand[5,7], b=rand[7,5],* J* J ?, A [9 i
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)) F3 j- B) `( H/ C! t) h
},
/ O1 a( A8 i* J T
i++5 {. N7 Y\\" n- j9 H# \
},$ Z9 Z; n% H$ p. w
k.outm().delete(),
! U4 z+ s1 s2 K6 e% k* |' s
[clock()-t0]/1000' Q/ y6 b. M* q\\" d5 \# f8 n
};

!using["math","sys"];& c# z  d4 w- M: K. K  j% q

(:t0,k,i,a,b)= 
* T0 \; f; c) X* x
{3 d  a* f8 ~/ G

t0=clock(),\\" Y% Q# z8 X  a

k=zeros[5,5], 
8 R* @  \% e2 ~+ l5 t! O
  i=0,(i<100000).while{% G* v9 Z. n\\" |* K

oo{ 
( J4 n- Y4 ~+ E
      a=rand[5,7], b=rand[7,5],* J* J  ?, A  [9 i

k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)) F3 j- B) `( H/ C! t) h

}, 
/ O1 a( A8 i* J  T
    i++5 {. N7 Y\\" n- j9 H# \

},$ Z9 Z; n% H$ p. w

k.outm().delete(), 
! U4 z+ s1 s2 K6 e% k* |' s
  [clock()-t0]/1000' Q/ y6 b. M* q\\" d5 \# f8 n

};

结果：

274978 274892 274913 274949 274953
7 y7 v/ V# e3 S B
274994 275050 275001 275037 2748924 o' _ q* z G% D
275001 275063 275019 274963 274971& Y6 V* A9 N8 h2 }% [/ s9 J
274945 274999 275017 274983 274982) O0 T# I3 S! i# U
275009 274984 274971 274955 2749232 d' o5 I$ {\" g2 {# h3 L+ h2 g
: R% K: c9 J# R! Q7 b/ h
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; C\" _8 m7 S; m
a = rand(1000,1000);
3 R/ M. D' @$ c& u/ H\" |
b = rand(1000,1000);
. B9 s! E+ C3 @ u/ A& _7 `+ L
tic
( L* p/ l2 L9 L4 s: E4 n2 \: _
k = a * b;
) ?9 I X% N' a6 u0 u3 ? F. e
k(1:3, 5:9)
8 h3 _7 s7 p- [% Z7 k F) I
toc
: V8 h) x2 F- W7 Z' G* J/ s
3 p: M0 K6 R1 C% D$ g5 A
ans =
, q- s. j& ^- l! [6 y3 S+ {5 j# r
7 \, v9 C# Y' ]5 W+ m: n
246.1003 244.3288 252.9674 258.1527 243.9345 O3 c6 L, D: e( V6 ^1 U w
246.7404 236.1487 249.7140 251.3887 246.02943 k( k% M( ^& |1 B# k! \4 f
249.4205 240.5515 252.5847 257.0065 249.7137
) F* z+ K; K; g2 K$ h
! W( t+ \2 I6 O4 L
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];0 Z& B7 m; N. X2 s
main(:a,b,k,t0)=
9 U. M\\" R\\" t& @
oo{7 `/ k' W/ ^\\" L4 K& m7 A: `
a=rand[1000,1000], b=rand[1000,1000],
( W3 ^) X2 ]' d8 f# l\\" z
t0=clock(),4 Z* z/ \7 s\\" @ Y! q& i* `
k=a*b, //矩阵乘! ?/ ?\\" ?4 d8 |0 R* h( D
k[1,3:5,9].outm()+ U7 n$ \& b/ q- i0 X* u
},9 \: o\\" G- R# c' O7 Q+ W# K
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.482& t9 l* T. o1 I8 Z' @) T/ j
258.268 255.417 253.738 255.159 253.042; i9 N. m1 w7 x. V5 o
258.088 252.324 248.927 252.392 247.731, h* E% M- H' H+ W
/ ~1 W9 a; R; H% ?. \+ G4 G
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