查看: 10781|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) [9 F. S7 n4 E\" s* c; n5 i7 c
tic
* H3 N0 F# M0 J. h
k = zeros(5,5); % //生成5×5全0矩阵 Y+ Z8 F$ Q* W, }( T8 r0 z& ^
% 循环计算以下程序段100000次：
) r% B# u' }3 u2 Z3 l
for m = 1:100000/ S- t# ^: i3 Y3 @) R4 I9 ?
a = rand(5,7);
: u- L- x1 I: S! 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
- b1 g7 ` ?5 y4 A\" p
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);+ h, m) O* o5 l
end% ?, Q' c3 X1 m! x\" W2 B
k
: W! ^7 q3 m, k) m
toc
/ H# K+ K v$ T, ]9 Z f
( f/ e0 q8 n9 w4 I$ q1 q r) \4 ]$ v
k =
+ b' j7 R0 d. b3 y5 g6 S& ~) h! W
( I& e8 S/ T' i2 x A! O. P
1.0e+005 *
0 K- _9 {5 u* f- a
) s7 J8 C2 S9 k$ o! ?9 H! x
2.7525 2.7559 2.7481 2.7525 2.7511
o+ B1 g& d! r( C$ J) S3 n
2.7527 2.7535 2.7430 2.7545 2.7484
- d4 w4 p1 p1 ]. k' w# I
2.7493 2.7553 2.7440 2.7513 2.7485
) @: H& }6 S0 I/ n\" f3 U: T
2.7481 2.7506 2.7425 2.7457 2.7460
( U# i* z; k! O- L9 @- ]
2.7506 2.7525 2.7429 2.7488 2.7451
( S% `9 W$ r; U1 X. [3 H! |\" P
$ T! V) J( ]7 T+ @
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
o; L- T# q/ o$ Z; R$ j
(:t0,k,i,a,b)=& n\\" k E% W. y) v6 {% R
{
& r3 Q: n# V4 m7 i
t0=clock(),* m1 a, u3 `2 v9 o2 u
k=zeros[5,5],
( `3 m: r! g' ], ?
i=0,(i<100000).while{1 [3 p ]+ k: @
oo{
; S! r$ O5 v1 q+ s, P8 ]
a=rand[5,7], b=rand[7,5],+ H& |4 t( }9 u8 D6 y- L
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)
\\" N& N5 w$ H/ o. m' c; ]' {: P
},
2 b2 Y1 `8 N! p+ Q; ?, S' G* W& K
i++- M' V1 {( e/ q* [1 G& p1 W
},% K+ o/ f: _4 H3 ?. m. y
k.outm().delete(),; J0 G5 o' N% N4 v- b; X
[clock()-t0]/1000
2 P* n% q$ ]6 f) S# N9 ^3 x. A
};

!using["math","sys"]; 
  o; L- T# q/ o$ Z; R$ j
(:t0,k,i,a,b)=& n\\" k  E% W. y) v6 {% R

{ 
& r3 Q: n# V4 m7 i
  t0=clock(),* m1 a, u3 `2 v9 o2 u

k=zeros[5,5], 
( `3 m: r! g' ], ?
  i=0,(i<100000).while{1 [3 p  ]+ k: @

oo{ 
; S! r$ O5 v1 q+ s, P8 ]
      a=rand[5,7], b=rand[7,5],+ H& |4 t( }9 u8 D6 y- L

k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg) 
\\" N& N5 w$ H/ o. m' c; ]' {: P
    }, 
2 b2 Y1 `8 N! p+ Q; ?, S' G* W& K
    i++- M' V1 {( e/ q* [1 G& p1 W

},% K+ o/ f: _4 H3 ?. m. y

k.outm().delete(),; J0 G5 o' N% N4 v- b; X

[clock()-t0]/1000 
2 P* n% q$ ]6 f) S# N9 ^3 x. A
};

结果：

274978 274892 274913 274949 274953) L' p3 t4 m1 ^( d* R3 I( o/ L+ }
274994 275050 275001 275037 274892
+ a& q2 w$ O/ \0 F! c
275001 275063 275019 274963 274971
4 y6 i0 ]; U( \, X8 S+ ~
274945 274999 275017 274983 274982* v$ U1 p' Q$ q7 b8 b& z
275009 274984 274971 274955 274923; V6 {% c; e* m& ^; {1 d5 d
/ A9 t% V' W; {* z' v0 k
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
+ \7 v+ S5 J+ B7 V
a = rand(1000,1000);
, O8 q2 |9 w3 j4 N O
b = rand(1000,1000);9 `5 x' E0 Q `) ?7 b4 s* b& |6 V
tic
2 S5 a\" A3 g$ P4 D
k = a * b;
0 R0 e, }' f; _8 K\" a
k(1:3, 5:9)3 i( `% P' E& Y7 r1 Y) B
toc. }: V5 V) j% j1 e; N0 {9 _; I
7 r# B0 R; G+ p, F\" | `
ans =
; w$ T3 _2 C5 d+ ?( C1 o
% ~7 m+ J/ U% I9 q8 `
246.1003 244.3288 252.9674 258.1527 243.9345
; T5 c1 @6 _. }7 f; _5 i
246.7404 236.1487 249.7140 251.3887 246.0294* f9 q; N4 Q5 ?( r7 {
249.4205 240.5515 252.5847 257.0065 249.7137
5 y6 t: O. e' h9 n
# o/ S3 v0 S) d9 S
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
6 {9 `% e4 O$ \7 A+ f
main(:a,b,k,t0)=
$ M T7 x# B+ w' b7 V7 x
oo{
\\" z4 P+ I% y8 o! H$ ^
a=rand[1000,1000], b=rand[1000,1000],2 P- t/ t. C- U L' F+ _; u
t0=clock(),
( h# [1 M' X. j8 n% B& K: k
k=a*b, //矩阵乘! e) \) f W) t$ V2 Q5 G& V
k[1,3:5,9].outm()/ x7 s4 M- N2 L; w
},& r# Q& q; d; F) B/ n c
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.482
2 L- I$ T: ]# j# U% @5 U
258.268 255.417 253.738 255.159 253.0425 o. ]% V6 c6 L' M+ L( j- e% N A
258.088 252.324 248.927 252.392 247.731
. m4 P3 }2 U$ E8 {8 T1 |5 {& q( G
* U6 W6 {9 J1 ?% f! s0 K
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