查看: 9297|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
6 P+ d, }! P5 Z- P) `& ]6 A, W
tic
- F, m' G9 a4 c
k = zeros(5,5); % //生成5×5全0矩阵
3 U1 J+ P+ C3 M* ]1 L
% 循环计算以下程序段100000次：
) b- G6 M2 ^' j
for m = 1:100000
% z I( _8 x ^4 J- J
a = rand(5,7);7 f\" ?2 i/ Y) k2 e
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
0 i( x/ G$ s7 B3 P1 `
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
* |$ X/ g& H8 x- l
end# ^# F0 j! B0 R6 M4 Y8 \. f/ [
k8 e, ]# F9 |' {' g4 G
toc% ~8 `; ?1 Q4 D0 I9 [
: k' G# j) ?# Y* [+ n
k =, M+ e [7 _: Q2 X# I' k- C) t' h
: s$ F. U: a, T! T) A2 s
1.0e+005 *9 g! F' N4 V! l% W& M# v q
& |6 [- b* ^\" I+ q0 h
2.7525 2.7559 2.7481 2.7525 2.7511
% e5 J# t( C% O8 g1 _
2.7527 2.7535 2.7430 2.7545 2.7484
\" J3 s% |9 c8 @
2.7493 2.7553 2.7440 2.7513 2.7485
2 t* w* ~; ~0 I% s3 s; N8 X; {0 N
2.7481 2.7506 2.7425 2.7457 2.74602 d& P6 z& L' S3 A7 B) u. T' y( i+ }8 Q
2.7506 2.7525 2.7429 2.7488 2.74519 C6 D# ?! k) h) W% p
+ ?) U8 [5 ?8 _* E! S( N% f
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
6 p3 W; X& t( s! U: L9 z$ s1 z
(:t0,k,i,a,b)=\\" z' O; k) W8 z
{
v, @6 q; @/ J! T
t0=clock(),) I, x* H' f\\" {: G\\" w
k=zeros[5,5],
9 V8 @% ^* n, W
i=0,(i<100000).while{
3 t* _/ h8 N: H3 ?, z
oo{1 w# E( y) i+ s% f* `) x
a=rand[5,7], b=rand[7,5],8 y8 I6 B, L1 F\\" K
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)
* u9 C- g5 x+ N9 T+ [& e$ q% [
},0 v/ L9 W% s U
i++
},
; s8 @ h# S\\" D0 H
k.outm().delete(),\\" N5 |0 d\\" O) k3 y
[clock()-t0]/1000
\\" ?, @& @1 _/ j$ z
};

!using["math","sys"]; 
6 p3 W; X& t( s! U: L9 z$ s1 z
(:t0,k,i,a,b)=\\" z' O; k) W8 z

{ 
  v, @6 q; @/ J! T
  t0=clock(),) I, x* H' f\\" {: G\\" w

k=zeros[5,5], 
9 V8 @% ^* n, W
  i=0,(i<100000).while{ 
3 t* _/ h8 N: H3 ?, z
    oo{1 w# E( y) i+ s% f* `) x

a=rand[5,7], b=rand[7,5],8 y8 I6 B, L1 F\\" K

k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg) 
* u9 C- g5 x+ N9 T+ [& e$ q% [
    },0 v/ L9 W% s  U

i++ 
- Z6 u, E- ^0 z\\" S3 g8 j# r6 M$ A3 K) ~
  }, 
; s8 @  h# S\\" D0 H
  k.outm().delete(),\\" N5 |0 d\\" O) k3 y

[clock()-t0]/1000 
\\" ?, @& @1 _/ j$ z
};

结果：

274978 274892 274913 274949 274953) D; a9 {/ h3 w# \\" C1 |8 J
274994 275050 275001 275037 274892. L8 {) r( a& h
275001 275063 275019 274963 274971' U9 L9 K, ^) A+ Z$ T2 Y
274945 274999 275017 274983 274982
* T' B3 _3 E5 H% L\" h: |
275009 274984 274971 274955 274923
, I. u8 `2 F! K* l6 l1 V, I0 ~6 y
& ^/ R8 n/ E _5 }
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
, J8 L! ~, b1 T, A6 Y
a = rand(1000,1000);& [+ q' z( V1 ^) }3 c
b = rand(1000,1000);5 l1 r D u$ U& P3 i5 C# G
tic7 G: F- Z. Y. V1 J$ B% z
k = a * b;
p* H8 e, |5 |3 a
k(1:3, 5:9)
: G3 p: {( b/ a5 r4 G y1 v( B' W+ k
toc
, K2 O* j6 s' m+ X
, r4 Z) G: z* ]) a, E, T' V
ans =
2 m& J( i9 Y% {( \3 x. f
& L+ s( b7 ], L6 }# u
246.1003 244.3288 252.9674 258.1527 243.9345
1 v7 F0 j\" e- Y9 V# r\" V
246.7404 236.1487 249.7140 251.3887 246.0294) g% ?- R# h+ y2 N$ A
249.4205 240.5515 252.5847 257.0065 249.7137
# ~$ u& r/ M\" Q6 |, h# Y+ J3 o
. ^* s) N1 K2 T% \* S
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
8 `6 a: g- i/ Q0 N
main(:a,b,k,t0)=3 |1 W+ p! ?1 P
oo{
8 G; f; a1 d9 f( _( X, G
a=rand[1000,1000], b=rand[1000,1000],! R! X( ?& E9 i/ F
t0=clock(),
' ?, b/ [5 E+ w
k=a*b, //矩阵乘/ B0 n) B! s4 K! c, e) f
k[1,3:5,9].outm()0 ~4 ], L8 j6 \5 z/ P! i
},3 _3 V2 Z f* K0 O* h0 g2 \/ E5 I
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.482
+ U: X+ T2 p$ A) J( z
258.268 255.417 253.738 255.159 253.042: s+ V) ^$ |( c0 j
258.088 252.324 248.927 252.392 247.731
& v- G# @6 _3 k\" A: E
9 J0 J4 j\" Z( N2 y+ w4 I/ H# Q _
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