查看: 10327|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
+ ]3 r1 s2 j* J( f* Q4 q* {
tic3 z: o% a) N0 L% \- Q$ ]
k = zeros(5,5); % //生成5×5全0矩阵\" @7 Q* j; a$ }- T L
% 循环计算以下程序段100000次：7 C) ~2 R: d. `* w3 e, i: _* {
for m = 1:100000
' U! J1 I\" ]: ?6 r
a = rand(5,7);
( X! _; Z& r$ Y
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
( E1 o& G! J. V+ ]
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);9 P/ x1 x) e% P
end4 M2 H\" C1 m' Z! d, {4 g. ^0 v
k
' ?2 g1 ?\" O7 g3 L& n8 F
toc
9 Q1 f+ N5 h4 {: N
! K. p8 D$ S! C8 j
k = o$ p, V# P( R
k1 D& Q- d% y8 L
1.0e+005 *1 l* ~2 I8 [+ p; t8 L W
x% o\" e0 x& R f/ f0 N4 x3 [/ q
2.7525 2.7559 2.7481 2.7525 2.75110 U- L1 a4 m, e& Q& J+ u3 m
2.7527 2.7535 2.7430 2.7545 2.7484
/ k4 q\" o( T/ M6 I: _
2.7493 2.7553 2.7440 2.7513 2.7485
+ X8 [+ g5 |$ w: h1 o% m- m
2.7481 2.7506 2.7425 2.7457 2.7460
+ p/ Z5 Y+ p2 K6 ~
2.7506 2.7525 2.7429 2.7488 2.7451
8 E/ g9 G: v+ w% T( W
/ L: X; r' `- \
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
2 Z* j% U, `; R; U. u
(:t0,k,i,a,b)=& w1 s$ c: S: d) P8 k0 e
{
( y; ?\\" j\\" |. E- s$ e5 t& Y) H
t0=clock(),
{. b W; W( D3 f, F8 }- ?
k=zeros[5,5],
* p5 g0 j, o: L. U\\" F4 I! a0 y
i=0,(i<100000).while{ g! n) v# p' Z2 N$ P& }
oo{) J\\" [1 P% \5 L4 d7 f* P V- F
a=rand[5,7], b=rand[7,5],5 `! b( F. g; L3 F1 O h8 b, y
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)9 p( B% U, c, c# X# h
},
6 Y* `9 h7 U R$ V& A1 c
i++* g( p& Z2 ^! a& F$ F/ C# {) H
},) R+ x, T2 d! g% B* S+ o: a
k.outm().delete(),
& c7 I! @8 C1 P3 Z
[clock()-t0]/1000
2 I, j5 H% ^5 N- }: S! |1 l/ o
};

!using["math","sys"]; 
2 Z* j% U, `; R; U. u
(:t0,k,i,a,b)=& w1 s$ c: S: d) P8 k0 e

{ 
( y; ?\\" j\\" |. E- s$ e5 t& Y) H
  t0=clock(), 
  {. b  W; W( D3 f, F8 }- ?
  k=zeros[5,5], 
* p5 g0 j, o: L. U\\" F4 I! a0 y
  i=0,(i<100000).while{  g! n) v# p' Z2 N$ P& }

oo{) J\\" [1 P% \5 L4 d7 f* P  V- F

a=rand[5,7], b=rand[7,5],5 `! b( F. g; L3 F1 O  h8 b, y

k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)9 p( B% U, c, c# X# h

}, 
6 Y* `9 h7 U  R$ V& A1 c
    i++* g( p& Z2 ^! a& F$ F/ C# {) H

},) R+ x, T2 d! g% B* S+ o: a

k.outm().delete(), 
& c7 I! @8 C1 P3 Z
  [clock()-t0]/1000 
2 I, j5 H% ^5 N- }: S! |1 l/ o
};

结果：

274978 274892 274913 274949 274953* q9 e% }1 s8 f. |/ p* Z/ K
274994 275050 275001 275037 274892/ X( ~( d! l( w\" @* P
275001 275063 275019 274963 274971
9 X( u S) y) p' f; C5 T
274945 274999 275017 274983 274982 Y/ n2 O+ ]5 a* A5 \
275009 274984 274971 274955 274923% ?8 g' b& e8 R
; v7 H, B0 g/ X* e) J/ H
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+ B$ u) ]1 [- r7 F
a = rand(1000,1000);
7 p) P# V- @( ]: T
b = rand(1000,1000);
\" m! u; m8 ]; T3 P
tic
* E- x$ Q$ x\" k7 B) w/ \& C4 S
k = a * b;
k(1:3, 5:9)
3 D* S) R# C2 }7 W4 N7 L$ l) m
toc
1 ?4 T/ y. r- m
ans =
; ]0 j/ V r! e. z c
5 }% i/ @3 P- |0 }\" d
246.1003 244.3288 252.9674 258.1527 243.9345
, v* f7 s* L( q; B; G
246.7404 236.1487 249.7140 251.3887 246.0294
$ u+ ~* j1 p4 M# H. X6 }' A0 L
249.4205 240.5515 252.5847 257.0065 249.7137
' S6 }\" J. A8 D# `3 ^% E
0 U\" V' q2 T* V3 g4 I
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
. { }. v& m. ^+ ~0 z
main(:a,b,k,t0)=
6 u- `! w& x$ R' x; S# z
oo{
2 l: d7 h# K\\" H$ J4 z
a=rand[1000,1000], b=rand[1000,1000],
; E) { C1 |* x# m& ^; w! ? \
t0=clock(),2 V2 j6 g- l1 X4 b$ C# G2 V0 ?
k=a*b, //矩阵乘
\\" H6 x+ H# I$ A
k[1,3:5,9].outm()
7 \, S7 J' ^& M( ~& c1 O6 I2 B% h\\" {
},; ^5 ]: S; `! u( ?
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.482$ Y2 Q7 K* Q/ C J0 x
258.268 255.417 253.738 255.159 253.042+ J& ?* T R: Z, M& y
258.088 252.324 248.927 252.392 247.731) u% \' b! G8 ^3 g8 N9 @
* V/ u2 k1 w1 @- V) H; z2 f j
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