查看: 9343|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 all1 d* x' c: d+ G; S8 O
tic6 O3 @# a\" W0 f6 i, V
k = zeros(5,5); % //生成5×5全0矩阵' t! I3 s) ~: B6 }
% 循环计算以下程序段100000次：
. r' c% U: S T
for m = 1:100000: Z3 `, X+ \2 _7 D
a = rand(5,7);
5 S7 V& k% T8 w: l2 e/ T6 m( g5 a
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
) ?+ m7 t+ ?- o C' l
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);\" y8 p! w* ~! s
end5 @0 P+ k8 d) t' x, o9 h
k
: H8 A6 {* m9 l8 T1 S0 d# C6 u
toc
3 {6 g) E) [! C\" i- o\" L
2 x4 r9 y/ F+ `
k =% c: h0 W7 Y1 }. ]
# C# `- j K0 I' G J+ Y
1.0e+005 ** @, \! _- F5 N5 y! v7 Z) Y
) g* g+ n1 v& c- R' E& J+ f
2.7525 2.7559 2.7481 2.7525 2.7511
. s' `/ G, n7 C1 }% k
2.7527 2.7535 2.7430 2.7545 2.74847 A2 u& s\" J* w; D) B$ i2 u- Z
2.7493 2.7553 2.7440 2.7513 2.7485& U% V$ \0 c5 D! j8 M* K
2.7481 2.7506 2.7425 2.7457 2.7460 n, {6 n9 a# K\" B1 O! d. l5 m
2.7506 2.7525 2.7429 2.7488 2.74515 W6 `8 Q; }* B2 J D4 P
; a E) P. D; \' @$ p+ l
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
; Z1 B. C* A$ M Y' J8 R+ M( |
(:t0,k,i,a,b)=
5 o* J9 G; e1 b, Q- Q9 q# o
{
& m8 P) s% o7 M* S
t0=clock(),# [( j/ n! z* h+ M
k=zeros[5,5],- P& ]4 U) P) G9 \\\" z. m
i=0,(i<100000).while{$ m2 @2 `4 |) z0 J: ~
oo{
8 v' c; T/ I; W' i
a=rand[5,7], b=rand[7,5],
3 r% H+ }+ B! y, t) a$ D r* r
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)9 f3 s: K/ _) q
},\\" t Q1 J5 {( j% H
i++, H$ g( s) m0 v4 v( ]. J
},0 m6 X: R5 d. }& j8 R/ I! K
k.outm().delete(),
( I3 K% m; {0 ]9 w7 M6 e1 @' d
[clock()-t0]/1000# N, ]5 N0 v0 F+ _
};

!using["math","sys"]; 
; Z1 B. C* A$ M  Y' J8 R+ M( |
(:t0,k,i,a,b)= 
5 o* J9 G; e1 b, Q- Q9 q# o
{ 
& m8 P) s% o7 M* S
  t0=clock(),# [( j/ n! z* h+ M

k=zeros[5,5],- P& ]4 U) P) G9 \\\" z. m

i=0,(i<100000).while{$ m2 @2 `4 |) z0 J: ~

oo{ 
8 v' c; T/ I; W' i
      a=rand[5,7], b=rand[7,5], 
3 r% H+ }+ B! y, t) a$ D  r* r
      k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)9 f3 s: K/ _) q

},\\" t  Q1 J5 {( j% H

i++, H$ g( s) m0 v4 v( ]. J

},0 m6 X: R5 d. }& j8 R/ I! K

k.outm().delete(), 
( I3 K% m; {0 ]9 w7 M6 e1 @' d
  [clock()-t0]/1000# N, ]5 N0 v0 F+ _

};

结果：

274978 274892 274913 274949 274953
\" x- o$ B9 L: e8 \ ], W: @1 a
274994 275050 275001 275037 274892* `+ d5 M ?( d
275001 275063 275019 274963 274971
* K0 o, K8 h$ K
274945 274999 275017 274983 274982
! W0 P y6 h% ~. W1 I
275009 274984 274971 274955 274923
8 i: _5 G7 ]' ?/ Z( b0 O* |* _
7 z\" H\" h2 E) N2 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
. w: \\" v9 }3 ]
a = rand(1000,1000);; l$ m% s1 H9 _0 z5 u9 [: w
b = rand(1000,1000);
9 {; ^) \& O2 ~* ~4 K8 W* t3 k1 f
tic5 j7 G6 a: l& E9 @; w% Z
k = a * b;, w. j4 p7 S$ l\" k. o/ {
k(1:3, 5:9)
& q* a2 ^% K9 \8 `! n; R
toc
+ T5 J# ?8 L8 O g6 V5 M$ A
4 l% r$ I0 D Q
ans =6 i, X4 ] |6 L8 T# X& k6 g* D
o- f; G+ o1 o( Y
246.1003 244.3288 252.9674 258.1527 243.9345$ ]1 u\" n! c% q, E& ?
246.7404 236.1487 249.7140 251.3887 246.0294
( F; a) L+ N$ r
249.4205 240.5515 252.5847 257.0065 249.7137
3 o: q% {6 _5 H+ ]6 a6 y. e* h
1 E2 M/ d0 p8 Q# V4 v
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
- L3 I# J/ v; O7 ~* A P) ?
main(:a,b,k,t0)=
' q$ Z1 L' |( T. T4 ~2 b\\" S
oo{% J/ S+ @& Q1 X! H, | s
a=rand[1000,1000], b=rand[1000,1000],
8 B) s6 y8 X5 b) S\\" G5 w
t0=clock(),6 Y* _; H$ L9 J* a
k=a*b, //矩阵乘
# S- a7 {* _\\" \ o
k[1,3:5,9].outm()\\" o( J ?/ a\\" ~1 R
},8 s7 J0 L2 h7 L/ U( Y
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.4827 d* t5 h3 E6 g3 a) k x\" m0 a
258.268 255.417 253.738 255.159 253.042) F0 T9 _: J* g2 g P3 R& Q: {
258.088 252.324 248.927 252.392 247.731) |+ N$ I1 C/ T
* k4 U2 q5 O6 L4 @
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