查看: 9192|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# {4 F5 E# k5 p6 Y+ w\" o5 M9 |\" Q
tic' U% M4 e0 q& t& x5 o
k = zeros(5,5); % //生成5×5全0矩阵
4 T) o. _0 K6 {! a+ ~
% 循环计算以下程序段100000次：
w1 F# |& A) L. V. t$ ^& r
for m = 1:100000: s3 |\" d* Z5 T+ O\" f! d
a = rand(5,7);
4 K' X7 Y1 t8 Q5 T/ `1 o3 H
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! d: \# n( ~) ~- W
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
, L. a0 R: X$ g U* @) \4 m% r
end
k
- X# l* p5 g) y; O3 {# X
toc- z; | d/ \: k; N' m
! a8 l' p+ W$ e4 P. m
k =! h) }) p# i2 p0 I, o- l
f# ?4 N/ I; h\" v6 K
1.0e+005 *
+ _9 S% l% N( |7 R/ s
0 L+ ]7 S4 Q z: ?% [
2.7525 2.7559 2.7481 2.7525 2.7511& z* \- D# V8 t\" h2 e: v% ^6 ~* J
2.7527 2.7535 2.7430 2.7545 2.7484/ H. ~; Y% h8 c! z\" J8 n6 V
2.7493 2.7553 2.7440 2.7513 2.7485
5 S% Z1 E* j' s; l( O; k2 e! O
2.7481 2.7506 2.7425 2.7457 2.7460
$ R% @' I9 J! [ \4 d
2.7506 2.7525 2.7429 2.7488 2.7451. j/ V- y6 p. @& p9 ?2 Z
/ |8 E* E. U; x9 N
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];6 k\\" H- k7 I, Y
(:t0,k,i,a,b)=' p# X6 Z& H: y5 g# a7 i* V* _8 @
{7 \# p+ H) z, n0 |: \8 v
t0=clock(),- R' r7 q) J8 V7 m) Z* l: ~( u
k=zeros[5,5],
! o; r( m+ i\\" U# a% Y
i=0,(i<100000).while{4 Z; u' x( M, ^4 ~0 w. S
oo{& C3 Y( L; }! [
a=rand[5,7], b=rand[7,5],
+ \' x! C, C/ t6 ^
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)
$ @) t8 l* M& c% Q+ p* t. d
},# c- G8 T8 ]; b; e1 C
i++
9 d4 _1 d( e. ~
},
' r$ n' r! q4 `! L4 ~3 m2 C! N
k.outm().delete(),$ ]# c; b% p! Q9 f3 F; v: ^ p
[clock()-t0]/1000) g5 L\\" e% P# g. x3 J. ~$ _6 A6 h: K
};

!using["math","sys"];6 k\\" H- k7 I, Y

(:t0,k,i,a,b)=' p# X6 Z& H: y5 g# a7 i* V* _8 @

{7 \# p+ H) z, n0 |: \8 v

t0=clock(),- R' r7 q) J8 V7 m) Z* l: ~( u

k=zeros[5,5], 
! o; r( m+ i\\" U# a% Y
  i=0,(i<100000).while{4 Z; u' x( M, ^4 ~0 w. S

oo{& C3 Y( L; }! [

a=rand[5,7], b=rand[7,5], 
+ \' x! C, C/ t6 ^
      k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg) 
$ @) t8 l* M& c% Q+ p* t. d
    },# c- G8 T8 ]; b; e1 C

i++ 
9 d4 _1 d( e. ~
  }, 
' r$ n' r! q4 `! L4 ~3 m2 C! N
  k.outm().delete(),$ ]# c; b% p! Q9 f3 F; v: ^  p

[clock()-t0]/1000) g5 L\\" e% P# g. x3 J. ~$ _6 A6 h: K

};

结果：

274978 274892 274913 274949 274953/ \8 w' l2 E9 i8 p
274994 275050 275001 275037 274892
& t4 V) p% ^6 S: \- P; A$ ]
275001 275063 275019 274963 274971! R& F) M' f0 `( o1 i( B
274945 274999 275017 274983 274982$ }) I9 n6 P0 r, o% ?, q
275009 274984 274971 274955 274923
* T ?# W7 z% r
5 H# q# g& |\" {. H' f
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
& q& \) W3 R0 t7 ^' S# _0 K2 e+ I
a = rand(1000,1000);
* o8 O) l7 U6 K& D/ c* H
b = rand(1000,1000);0 T$ O( y6 |( \4 l6 W- e
tic
7 z3 k1 X; t3 O/ c
k = a * b;
' o3 W9 }0 J5 y: O+ [ P1 O
k(1:3, 5:9). t* ]\" m& i$ @7 W
toc
& g( |2 L: G/ H. V: f5 a
1 y+ u) @# v. K1 R+ @6 q\" o4 H( j
ans =
2 R7 ` y, c: Z9 D( ?# F
8 B0 K0 F\" U4 I6 |% s9 S
246.1003 244.3288 252.9674 258.1527 243.9345! \8 _7 H2 x6 O* ]* r
246.7404 236.1487 249.7140 251.3887 246.0294
3 ?* X1 N; u$ K0 f\" }: n! W3 u
249.4205 240.5515 252.5847 257.0065 249.7137
, G\" V' F O\" ~' D
3 \& l# p/ L* e7 ?
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];7 t+ ~7 z) Y2 r, i4 K6 O
main(:a,b,k,t0)=9 S) Q6 G( @- C6 d! k+ F6 c0 m
oo{! h* d\\" q3 g5 x ?8 ]! S5 |
a=rand[1000,1000], b=rand[1000,1000],
- U$ S3 C) o8 g3 K
t0=clock(),5 J. Y0 K- Y3 u; [
k=a*b, //矩阵乘
- S1 n3 p. g4 f( J
k[1,3:5,9].outm(): m0 Y: |8 N! A) G5 h% c
},3 o' _# ~( p8 F! y* O+ A6 K4 K
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.482
- L; s) S* O3 r: N- e9 h
258.268 255.417 253.738 255.159 253.042. h4 \! w6 F) H
258.088 252.324 248.927 252.392 247.731% k, M1 N7 z' v2 b
* D\" F8 G, w0 Q5 |
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