查看: 9194|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% N2 |1 S& V1 _+ L
tic! ]5 U6 a! t* ~/ ]5 ~' W
k = zeros(5,5); % //生成5×5全0矩阵
. N7 B; Y% I7 ?- }* f+ j1 w& l( g
% 循环计算以下程序段100000次：
( O3 E2 |/ C1 A
for m = 1:100000) l$ b, f5 Q+ K5 s, c
a = rand(5,7);% z. }2 j5 C4 @' A) ^7 |
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 K$ k: X N8 X. D, m
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);$ x$ e5 ^9 k9 E: \0 H
end
$ \8 h5 W+ l9 [5 T6 x- s1 K
k
h: o* b l$ }( r0 g
toc& K) f8 k$ Y, G5 U8 E! s B
/ F6 D: A% j! ?7 E( x
k =
+ A2 o; w) }$ n5 ]
( u- F$ S, S, S# p3 N( X! h
1.0e+005 *
- L. R/ e+ ]5 r! p4 y3 r
7 c7 o' A3 r6 N! _2 e
2.7525 2.7559 2.7481 2.7525 2.7511
8 ~8 E; ~7 A% j% |
2.7527 2.7535 2.7430 2.7545 2.7484% k0 c% g$ L1 s3 {1 {
2.7493 2.7553 2.7440 2.7513 2.7485& Y! ~* K( [. V. a
2.7481 2.7506 2.7425 2.7457 2.7460
! h) L5 L5 R6 V3 M\" O( ^7 s
2.7506 2.7525 2.7429 2.7488 2.7451
2 Q2 j# b# k+ c- U9 i
9 Q' e; e' J8 G
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];8 M D% k- F8 p# d( @! J& o
(:t0,k,i,a,b)=
3 S- Y. d* v2 ?& F% ^, F\\" w, b
{
* P n5 x9 q0 w9 O8 D5 L/ V
t0=clock(),0 l2 P2 M6 p2 G- l
k=zeros[5,5],
1 ^* V; ^: `$ V/ O
i=0,(i<100000).while{6 x9 C- m\\" p; l$ k2 z
oo{
& J) _1 q v% X+ F4 w4 a$ w D
a=rand[5,7], b=rand[7,5],9 }2 q4 M( S. K\\" O
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)
7 v) k+ E/ q1 N5 `. f
},7 D: j. l6 P0 ]$ k2 C0 V8 M3 a
i++( v ]) P& l' B7 |8 A2 s7 ^0 `
},
# G5 d/ _: F+ N: k( V6 V# I/ Y
k.outm().delete(),0 E1 O+ C* O. [. Z. x\\" Y
[clock()-t0]/1000 I/ Q8 K8 U5 S/ \3 U a( A( l
};

!using["math","sys"];8 M  D% k- F8 p# d( @! J& o

(:t0,k,i,a,b)= 
3 S- Y. d* v2 ?& F% ^, F\\" w, b
{ 
* P  n5 x9 q0 w9 O8 D5 L/ V
  t0=clock(),0 l2 P2 M6 p2 G- l

k=zeros[5,5], 
1 ^* V; ^: `$ V/ O
  i=0,(i<100000).while{6 x9 C- m\\" p; l$ k2 z

oo{ 
& J) _1 q  v% X+ F4 w4 a$ w  D
      a=rand[5,7], b=rand[7,5],9 }2 q4 M( S. K\\" O

k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg) 
7 v) k+ E/ q1 N5 `. f
    },7 D: j. l6 P0 ]$ k2 C0 V8 M3 a

i++( v  ]) P& l' B7 |8 A2 s7 ^0 `

}, 
# G5 d/ _: F+ N: k( V6 V# I/ Y
  k.outm().delete(),0 E1 O+ C* O. [. Z. x\\" Y

[clock()-t0]/1000  I/ Q8 K8 U5 S/ \3 U  a( A( l

};

结果：

274978 274892 274913 274949 274953
\" L9 ^, x* h `2 M# R# K
274994 275050 275001 275037 274892* `& y6 b4 j- @- K* Y, U1 J1 ~
275001 275063 275019 274963 274971
; I; I( a8 r, ?% o% G
274945 274999 275017 274983 274982
. N6 k5 b. |2 y& a
275009 274984 274971 274955 2749234 o' }3 x; X5 V$ f- Z3 T7 }+ a
; b0 i0 j1 Z/ Q8 ?
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 all4 Z, X2 Y D6 q4 j% L
a = rand(1000,1000);3 ` j2 U( z: i. R& g9 W% W- q
b = rand(1000,1000);' W% f* w, B* W0 C, j\" h' a/ S\" b
tic
2 Y! w1 \0 Y u; m1 D; l9 F
k = a * b;7 j+ z1 w9 M) T\" A: H+ {2 ?
k(1:3, 5:9)9 _( f0 ^% H! u
toc9 \4 U l8 K, c
. U4 }# T K# F% \) r0 h2 r
ans = k, t' j\" G# b# q5 d! E
* v) \' }: ?9 m7 }$ m3 M! t
246.1003 244.3288 252.9674 258.1527 243.9345& r X& y9 G# A3 ]\" @
246.7404 236.1487 249.7140 251.3887 246.0294+ g# q* F* p/ _
249.4205 240.5515 252.5847 257.0065 249.7137
7 K\" b2 M. n/ [; {+ \8 x
1 T( h9 x8 {8 N& D9 Y& g. E2 D+ \
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];7 x0 ~4 J1 C' D2 o
main(:a,b,k,t0)=* U# q! d, Y2 `; r7 w3 S* f2 H
oo{
3 w9 |& z3 l9 i% P
a=rand[1000,1000], b=rand[1000,1000],
8 f$ C# _# z1 } e
t0=clock(),5 h$ D' ^& A4 {, G6 S- i, K9 f- }! @4 _
k=a*b, //矩阵乘
; Z' G9 L( i5 N, c* K$ `
k[1,3:5,9].outm()9 ^+ ^ ^6 ^8 C( f/ O
},
& l7 K3 b, r\\" x8 z
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.482) G/ E4 V/ u2 e* a' G& W
258.268 255.417 253.738 255.159 253.042* H& [% R' w; Q$ [/ G' T7 U
258.088 252.324 248.927 252.392 247.731
5 w& K8 L6 ~6 b& c
5 T! s% T; s$ A2 B: 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