查看: 9344|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 all9 l! z1 g& H V5 l9 F8 `
tic
T1 D# R) Q7 I8 X P) p/ y
k = zeros(5,5); % //生成5×5全0矩阵9 U4 T' g! J- P6 c, \' G
% 循环计算以下程序段100000次：% l. \6 r4 ?7 w' G4 Z! P
for m = 1:100000
( f% h% f. N5 e1 q
a = rand(5,7);
4 h5 |+ i' A# _% @, g, ^7 y7 _: f- C
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
2 x/ e% `1 { U- B3 O
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
/ @) n! p+ D9 X2 r% K\" @
end8 T/ y- A8 {2 E; T* G6 j* U6 R
k! n& e( g; X; n\" b
toc
: a, g1 v; @1 x3 c4 n9 c
& o+ \3 C( C! V% i! [) c
k =
* [0 o( K6 U( M t7 f) n
6 @: i9 H, d1 t8 E% o( Y\" x
1.0e+005 *3 B' V6 x# T: ]. {7 r
- B$ l/ d( i* R, X) ]# g7 J3 @' Y
2.7525 2.7559 2.7481 2.7525 2.7511
2 n7 u6 O' _: x+ T# n- t& P' D9 d
2.7527 2.7535 2.7430 2.7545 2.7484
0 f\" e7 V/ D0 l\" W3 {
2.7493 2.7553 2.7440 2.7513 2.74859 D. q0 Q) O% ?8 H% a
2.7481 2.7506 2.7425 2.7457 2.7460' L- j) Z6 M, Y
2.7506 2.7525 2.7429 2.7488 2.74517 K0 E7 B8 }- W7 D1 w
. A3 L% I: |; _1 j/ [
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
4 O6 I& @7 T5 |. W, X
(:t0,k,i,a,b)=
% K5 T; \; m& _7 N$ j
{( N6 ^% Y, h# j\\" s4 `. O4 k1 q3 t
t0=clock(),
* c! }3 @. R2 L4 \. _
k=zeros[5,5],) B1 w$ C1 N& j
i=0,(i<100000).while{\\" J6 k$ Q7 d* z( I0 b/ P6 x
oo{
1 t: x9 f0 Y\\" L+ O\\" l
a=rand[5,7], b=rand[7,5], V' F8 K, V* `9 @0 M, E2 V2 b
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)
) V/ x' p6 y* p6 f
},$ K# n# N7 k5 D) a* Q
i++
W& a$ o1 h7 x1 s
},
: }+ L/ X# R) l5 ~/ D2 @& F
k.outm().delete(),
0 g6 \5 z# H. `3 o
[clock()-t0]/1000
\\" y8 P5 J& X, m3 a# `& @
};

!using["math","sys"]; 
4 O6 I& @7 T5 |. W, X
(:t0,k,i,a,b)= 
% K5 T; \; m& _7 N$ j
{( N6 ^% Y, h# j\\" s4 `. O4 k1 q3 t

t0=clock(), 
* c! }3 @. R2 L4 \. _
  k=zeros[5,5],) B1 w$ C1 N& j

i=0,(i<100000).while{\\" J6 k$ Q7 d* z( I0 b/ P6 x

oo{ 
1 t: x9 f0 Y\\" L+ O\\" l
      a=rand[5,7], b=rand[7,5],  V' F8 K, V* `9 @0 M, E2 V2 b

k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg) 
) V/ x' p6 y* p6 f
    },$ K# n# N7 k5 D) a* Q

i++ 
  W& a$ o1 h7 x1 s
  }, 
: }+ L/ X# R) l5 ~/ D2 @& F
  k.outm().delete(), 
0 g6 \5 z# H. `3 o
  [clock()-t0]/1000 
\\" y8 P5 J& X, m3 a# `& @
};

结果：

274978 274892 274913 274949 274953+ g! X9 [; }, e% |
274994 275050 275001 275037 274892
9 @& \/ ~4 ]0 J6 I( w) r
275001 275063 275019 274963 274971
8 {3 o/ S& r3 L8 `0 [
274945 274999 275017 274983 274982
7 c- A3 U& ^; ^
275009 274984 274971 274955 274923
) G; h: F5 Y8 V. U* M& R) A
) W; }\" Y\" ~( d5 P2 D
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
( S* G* @. C4 H5 f0 _\" O2 J
a = rand(1000,1000);
. S; V9 u G+ q3 {2 w\" @
b = rand(1000,1000);
- ~: Q! ^# ?* [/ \5 e
tic
3 g9 Q N5 V; @) \0 H! p
k = a * b;9 X; |% G3 a8 L# _- F) C: i
k(1:3, 5:9)
. d1 Q) j/ A+ t: j5 o- J& \, l: X& y
toc4 A+ K6 h8 y: c
+ {1 a0 C% }/ l1 g4 v
ans =
+ L5 j5 ]7 s! P, l
0 x W/ u+ ]4 f
246.1003 244.3288 252.9674 258.1527 243.9345) R( Z! w( U0 A9 p
246.7404 236.1487 249.7140 251.3887 246.02948 l) M7 T! A# X* u# M7 v2 u0 L
249.4205 240.5515 252.5847 257.0065 249.71374 W9 g1 C& E+ \& z& l2 e3 L. x: `4 o
* r: E1 k- S\" @1 C! m7 p) W+ B6 S
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
. e# S: q* ]. v6 o1 z9 I
main(:a,b,k,t0)=4 U& r9 A% O: s# ^* y6 O0 ~\\" B
oo{' J$ U4 u3 k0 x5 X' H
a=rand[1000,1000], b=rand[1000,1000],3 I& _# C M4 K
t0=clock(),
# {* q, d& S+ {( a$ _
k=a*b, //矩阵乘$ H4 U1 z4 \& |8 {$ Y& ?1 }3 L
k[1,3:5,9].outm()
8 r) P! K, P2 g9 q) k
},3 _5 A+ H7 o+ U- F, h: H
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.482( q* s! B/ u. k+ A. X
258.268 255.417 253.738 255.159 253.042
|: w3 C2 _0 E2 Q, ~
258.088 252.324 248.927 252.392 247.731
( U# K3 H2 ?% P
; M0 @# G! F5 j$ t
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