查看: 10524|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' T$ x: m2 i3 H
tic% Q$ H, D' M1 q* Z9 a' H( O0 |
k = zeros(5,5); % //生成5×5全0矩阵) L* M: m+ R, O, O: V% Q8 [* e
% 循环计算以下程序段100000次：
c' T* C6 m\" C( d6 _
for m = 1:100000! J4 C6 x\" f- u
a = rand(5,7);
2 e# z% X8 k$ ~ U- F
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6 b% N4 S# A6 I( Z1 [* m+ F
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);5 ^ j0 ]; ?0 O. d+ E \
end
$ g, J6 x6 I+ \; R7 A
k- E: K6 w1 c V2 r4 @\" ~
toc
7 o J% A# l6 Z- f
7 o# k7 F: Q( O* G
k =
& h+ L0 t) Z' s W
# L8 k0 J( ^* m( d3 Y9 y
1.0e+005 *. c; f8 c\" y0 q$ s8 r3 }
+ z7 N( {+ O# N) T/ p# ~
2.7525 2.7559 2.7481 2.7525 2.7511
7 H% }: |3 n& g) \7 r$ q3 ]6 O5 g
2.7527 2.7535 2.7430 2.7545 2.7484
: Z! b+ W/ ~) Z! Q0 U; f8 r\" h- r
2.7493 2.7553 2.7440 2.7513 2.74858 V# f8 D! X9 h @\" b% M
2.7481 2.7506 2.7425 2.7457 2.7460
1 A5 k8 K# c& t7 ?+ P' Q
2.7506 2.7525 2.7429 2.7488 2.7451
8 R5 K' A8 i/ J
9 F# ^7 n8 _$ a. v
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
# i5 c4 H8 c5 P8 I
(:t0,k,i,a,b)=
- k: I8 F! e. P/ h
{
9 [8 M/ M4 U' @! i/ j
t0=clock(),
. `4 u\\" i9 L% c# ]: N
k=zeros[5,5],
6 a- P8 z! A5 I3 ~0 `; P! ], j
i=0,(i<100000).while{' G' M( s) a, y# ^: A3 o- S
oo{+ ~* j+ X/ a+ ~: D, }
a=rand[5,7], b=rand[7,5],; P5 ]2 i/ f0 \3 d& q0 a2 g
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)3 C% R U C6 R0 ?4 y9 X
},, m3 l' E- T. q6 q- f
i++9 e, t* Q+ r( l\\" q: ?
},
& u\\" W, O* v' L( s
k.outm().delete(),9 }% J8 j$ D/ v1 h% j$ j; g0 m! ~
[clock()-t0]/1000% }2 v% W$ e7 R9 o# {
};

!using["math","sys"]; 
# i5 c4 H8 c5 P8 I
(:t0,k,i,a,b)= 
- k: I8 F! e. P/ h
{ 
9 [8 M/ M4 U' @! i/ j
  t0=clock(), 
. `4 u\\" i9 L% c# ]: N
  k=zeros[5,5], 
6 a- P8 z! A5 I3 ~0 `; P! ], j
  i=0,(i<100000).while{' G' M( s) a, y# ^: A3 o- S

oo{+ ~* j+ X/ a+ ~: D, }

a=rand[5,7], b=rand[7,5],; P5 ]2 i/ f0 \3 d& q0 a2 g

k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)3 C% R  U  C6 R0 ?4 y9 X

},, m3 l' E- T. q6 q- f

i++9 e, t* Q+ r( l\\" q: ?

}, 
& u\\" W, O* v' L( s
  k.outm().delete(),9 }% J8 j$ D/ v1 h% j$ j; g0 m! ~

[clock()-t0]/1000% }2 v% W$ e7 R9 o# {

};

结果：

274978 274892 274913 274949 274953, F* X6 D, ]1 ^/ ?5 B- ]
274994 275050 275001 275037 274892
. g g4 y f r
275001 275063 275019 274963 2749713 f: R9 \) g9 P6 U4 j
274945 274999 275017 274983 274982
% [% R* o, y( f. H8 K; G; q
275009 274984 274971 274955 274923) \; V7 {; t8 }( Y
^+ |! ^/ h. F4 v1 @! ?
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# N* K( ]+ Z. i( a
a = rand(1000,1000);* ]& l: T' B: r2 L
b = rand(1000,1000);/ R; P/ K3 n4 w: p\" J, s
tic
: Z* A$ V3 b4 o2 B$ }
k = a * b;
$ X* |/ t/ i. N6 Q\" l
k(1:3, 5:9)$ F9 s1 y! A; H1 G
toc1 X, T# t1 c6 Q+ l
. Y% a\" z9 h3 v\" O& D9 o
ans =6 c L5 G3 U w1 D8 ]) k+ ^$ j) S
! r; m- {- y- z7 N% N A* |* c
246.1003 244.3288 252.9674 258.1527 243.9345
- e4 F6 l( _' N6 R2 z
246.7404 236.1487 249.7140 251.3887 246.0294
0 X8 Z7 i7 T\" J& u
249.4205 240.5515 252.5847 257.0065 249.7137( a( v8 ?) i, A
1 Z2 G9 |$ x) e& a b
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];: a: ^, @+ \% A. K, G1 L1 |- O
main(:a,b,k,t0)=1 g& |5 f% U% d6 K8 l
oo{
a=rand[1000,1000], b=rand[1000,1000],
6 v6 b/ J2 @3 O3 l8 u7 }
t0=clock(),
8 V1 d# L# p6 ^
k=a*b, //矩阵乘) S. z9 {1 j' W8 X ?3 k
k[1,3:5,9].outm()
* ]( Y8 X\\" P7 T% I! W! f\\" ^9 B
},
; m1 T! L0 K& k% }, e6 f# d
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.482: T$ T% @\" ]' R' C/ f( K6 P0 b
258.268 255.417 253.738 255.159 253.042
' V) I/ M0 Q& s) ~! O
258.088 252.324 248.927 252.392 247.731
' J* s9 i- e7 ~% s1 S; B/ v# E+ n
8 j! h# O* s7 W0 o* s4 |) r
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