查看: 10586|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 g\" h* M, _; e$ h2 X\" t$ k o; Y
tic2 M5 j; K0 n! H
k = zeros(5,5); % //生成5×5全0矩阵- ~\" x\" J! p, E) l2 E! T2 w; Y
% 循环计算以下程序段100000次：, H: z' }/ {- e\" O, H1 q9 q7 W
for m = 1:100000
- Y; m4 m4 S! Z& T4 U$ B, [
a = rand(5,7);
) J% r! X0 Y9 ^ R9 C
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
' N% M( U1 Y& g: L4 F0 E# T1 i' U. l+ j
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);% p/ N0 O3 [- }) w l) M: f
end3 V, z& Q. N* Z% t2 P3 g
k9 P# V @. q* O# U3 x. p
toc4 @5 J H# y8 ] Y; n
6 d6 d2 v7 @7 U1 K W4 ?
k =- R8 v* l) A; T# r- D/ R/ {/ v
4 g. n5 o, I% ^& s3 S5 F+ V1 }
1.0e+005 *
# C0 m& w7 o6 x/ Q
5 ?) E& Y5 W# W9 D: u
2.7525 2.7559 2.7481 2.7525 2.75111 T5 l, e. F! W
2.7527 2.7535 2.7430 2.7545 2.7484
9 p( C/ _6 u6 W
2.7493 2.7553 2.7440 2.7513 2.7485
2 n# P0 f0 F6 I- s6 n1 n8 ?
2.7481 2.7506 2.7425 2.7457 2.7460( U& f* D8 r0 ?% m; b) [7 c9 n/ J
2.7506 2.7525 2.7429 2.7488 2.7451/ `7 m. P\" N, J\" |
2 U4 s5 A, C& w1 h* i) G- b6 f2 w6 r
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
7 I% M! r; `, F- d) H8 m
(:t0,k,i,a,b)=4 X& r- I$ X0 d7 h: p2 ]
{
( y2 U# J; y, G\\" i# y1 A: n
t0=clock(),
! y& Z) C& j9 v2 F
k=zeros[5,5],6 ?, |3 w2 N% Z) g+ M
i=0,(i<100000).while{: r! S |! E% V$ k% T' Z
oo{
8 [7 v6 R6 W5 T( v
a=rand[5,7], b=rand[7,5],$ A4 V( z. N2 V/ J! h
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg). I. y\\" T9 z& t! _- i$ s+ v
},
7 r% c8 N% m/ X9 a; a
i++$ f+ h3 `* T5 h) c9 U
},, O0 L( f& s* i# E
k.outm().delete(),
9 V: R+ A: j' w; K\\" t( ~5 I; P
[clock()-t0]/1000
; _$ C0 L0 L) q\\" L) K3 M. i: _: f/ L
};

!using["math","sys"]; 
7 I% M! r; `, F- d) H8 m
(:t0,k,i,a,b)=4 X& r- I$ X0 d7 h: p2 ]

{ 
( y2 U# J; y, G\\" i# y1 A: n
  t0=clock(), 
! y& Z) C& j9 v2 F
  k=zeros[5,5],6 ?, |3 w2 N% Z) g+ M

i=0,(i<100000).while{: r! S  |! E% V$ k% T' Z

oo{ 
8 [7 v6 R6 W5 T( v
      a=rand[5,7], b=rand[7,5],$ A4 V( z. N2 V/ J! h

k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg). I. y\\" T9 z& t! _- i$ s+ v

}, 
7 r% c8 N% m/ X9 a; a
    i++$ f+ h3 `* T5 h) c9 U

},, O0 L( f& s* i# E

k.outm().delete(), 
9 V: R+ A: j' w; K\\" t( ~5 I; P
  [clock()-t0]/1000 
; _$ C0 L0 L) q\\" L) K3 M. i: _: f/ L
};

结果：

274978 274892 274913 274949 274953- T& \) E, P' K7 h7 p2 L
274994 275050 275001 275037 2748927 M2 Y9 p2 H6 `$ ?! o5 b
275001 275063 275019 274963 2749719 W: Z- n) p7 T
274945 274999 275017 274983 274982
' t6 k, P8 F5 Y# R7 u
275009 274984 274971 274955 274923$ T/ Y% L) P7 M
\" p) _9 D, r+ b) }+ m3 o; D2 p
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\" |9 z0 {# k2 @& E6 @
a = rand(1000,1000);
: C, Z6 G/ |$ Q7 c1 c! y2 C
b = rand(1000,1000);
\" Z: Y! H- t8 r2 o1 g
tic0 U5 f* \3 c2 J: N. V9 \* m
k = a * b;& |8 \* {7 d9 m7 }& i3 d
k(1:3, 5:9)\" ^& P. z, _# i
toc0 e) r* o+ M. a4 t+ C0 a
9 k5 j3 }. E2 i7 V! w
ans =# c) Z! K8 c* Z3 b
) @\" I9 k0 q% V7 C' c
246.1003 244.3288 252.9674 258.1527 243.9345: h* M2 e' W7 K; o# _( j
246.7404 236.1487 249.7140 251.3887 246.0294) T7 ?1 w/ b# N
249.4205 240.5515 252.5847 257.0065 249.7137
5 x: n) d( _; X! B l' g, K; @; f
/ p; }8 C8 K4 U& w# ]1 I4 V
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
. `9 z9 v# ^- C0 O2 d# } ]
main(:a,b,k,t0)=
! c* h- [9 q- y; `/ l
oo{1 N3 d1 `: Q/ Z9 Q+ B6 Z9 n
a=rand[1000,1000], b=rand[1000,1000],- l5 t4 J3 ]# ^$ S' ]( U }0 j
t0=clock(),2 d2 o* D# {* I1 x; w
k=a*b, //矩阵乘\\" T& ]) A8 v' c6 o- l2 D\\" X
k[1,3:5,9].outm()
3 J- p, U$ | r; i
},. P, j+ z( t4 o, q* T# d
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.482$ s1 q# ]* j) u0 Y$ I: g
258.268 255.417 253.738 255.159 253.042/ ]. X/ a# t\" F7 w: Q) S! @6 P
258.088 252.324 248.927 252.392 247.7312 j) Q& f2 z\" x ]
- y5 P1 v0 {& `( i- `9 a/ X\" O
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