查看: 9234|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
$ {# z# O/ B2 z1 c
tic$ n$ ]2 [% v! m3 l
k = zeros(5,5); % //生成5×5全0矩阵+ M# r0 K* K) H2 d$ S\" x. O
% 循环计算以下程序段100000次：
: z4 z2 D& i/ o/ D3 Z
for m = 1:1000000 \8 i' N& E0 C: q, ^
a = rand(5,7);+ w0 p* g# N* b8 g; I; l
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) m2 @0 ?' I4 _) U) ?
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
% [# r: a- H7 G5 ^& \
end, Y0 j n7 v3 L/ T0 r
k
\" V\" U. @* ?0 v\" F. _; ~) P$ @
toc
9 ~0 S. L% T& O, R, V6 [/ I6 X
4 f3 S, E6 _% _1 t+ j
k =
+ r8 \\" o/ d( i; E* y
- `* X8 j7 ?: O/ e: j' H6 `7 \
1.0e+005 *
4 W- `9 ?# p, h6 g6 s' l
+ B2 S1 n9 T9 O4 G- ?- M8 [
2.7525 2.7559 2.7481 2.7525 2.7511! g% U/ s) g5 ~
2.7527 2.7535 2.7430 2.7545 2.7484
& c* H `1 H* Z% T$ I
2.7493 2.7553 2.7440 2.7513 2.7485& q, v% n* ]: {6 g; p: [
2.7481 2.7506 2.7425 2.7457 2.7460. G) W* N% Y5 S& s
2.7506 2.7525 2.7429 2.7488 2.7451* h6 Y9 B: y; U
4 M7 V5 R- u\" Y9 I1 Q: H$ {
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
$ N' ?( ~* s) {) G! _
(:t0,k,i,a,b)=. z5 \5 b3 m* J, [' ^% I\\" z
{
9 ~& M ?1 F3 H- P
t0=clock(),
0 r; P: F) r. Z* j* M6 H4 ^ g. I
k=zeros[5,5],0 ]# s8 A+ j# c6 w7 V* Y/ R
i=0,(i<100000).while{9 z# F# S% H& l- p2 E5 f& R% l0 G
oo{/ l$ I) Y! m8 s- s4 [' A$ ?
a=rand[5,7], b=rand[7,5],
2 h+ Y, n8 K- P o( A5 ?7 A) t
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)
; g* w J4 e7 c7 S\\" k
},
8 n( [# Y( H3 T; ^3 e& w3 _# Z
i++2 k8 Y# [. }/ ~0 A
},\\" \ \5 m1 Z/ w: J( \; _0 I; e
k.outm().delete(), o3 h# J* |1 J: e
[clock()-t0]/10000 {* U2 z1 h$ K* H1 l
};

!using["math","sys"]; 
$ N' ?( ~* s) {) G! _
(:t0,k,i,a,b)=. z5 \5 b3 m* J, [' ^% I\\" z

{ 
9 ~& M  ?1 F3 H- P
  t0=clock(), 
0 r; P: F) r. Z* j* M6 H4 ^  g. I
  k=zeros[5,5],0 ]# s8 A+ j# c6 w7 V* Y/ R

i=0,(i<100000).while{9 z# F# S% H& l- p2 E5 f& R% l0 G

oo{/ l$ I) Y! m8 s- s4 [' A$ ?

a=rand[5,7], b=rand[7,5], 
2 h+ Y, n8 K- P  o( A5 ?7 A) t
      k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg) 
; g* w  J4 e7 c7 S\\" k
    }, 
8 n( [# Y( H3 T; ^3 e& w3 _# Z
    i++2 k8 Y# [. }/ ~0 A

},\\" \  \5 m1 Z/ w: J( \; _0 I; e

k.outm().delete(),  o3 h# J* |1 J: e

[clock()-t0]/10000 {* U2 z1 h$ K* H1 l

};

结果：

274978 274892 274913 274949 274953
* Q& I+ ?; m1 \7 t, s
274994 275050 275001 275037 274892 \/ g+ `. y( u
275001 275063 275019 274963 2749719 _0 I4 w3 ?! L. q
274945 274999 275017 274983 274982$ ]% r\" \. }* C! d2 [, \! g Y/ K
275009 274984 274971 274955 274923- p' B$ O! [; l8 x
& D0 h\" s5 P0 o! m$ g8 ]
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 a# a0 u; O/ R\" u8 h\" _9 b
a = rand(1000,1000);+ {& w6 K; `/ w\" j+ @
b = rand(1000,1000);
! B/ q3 c) i# p$ Z
tic
+ |& d+ S6 G: b! W6 L6 [
k = a * b;( X: [. d8 X. I6 x w% c+ i, U
k(1:3, 5:9)
' t& \- |4 L9 {9 `1 F' Z
toc
$ V! h$ ]( K$ T% e
/ d, @: l\" s/ J' B
ans =
$ g/ Z9 R! e7 W% R. Z6 U
/ v7 `; g8 O, y$ V
246.1003 244.3288 252.9674 258.1527 243.9345\" D# {+ v9 X# l; U- {1 s3 S3 k
246.7404 236.1487 249.7140 251.3887 246.0294
' f. E\" Z\" i5 C
249.4205 240.5515 252.5847 257.0065 249.7137
5 b) P) a4 B1 S/ [& q
2 G, D5 B- \# R\" G) d0 Q9 m' K% w) u
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
: d\\" @- w/ B$ q% }! [3 G) h
main(:a,b,k,t0)=
# i* A. ?- y, R9 h\\" @
oo{
# c, P4 G* {# _. B$ ^
a=rand[1000,1000], b=rand[1000,1000],0 U$ ~- k7 l! m8 H# D- O
t0=clock(),
\\" W9 Y' y, y5 F$ r3 W3 k( \7 d
k=a*b, //矩阵乘
! g ~/ } e0 ~% e* z4 t9 u1 x( M
k[1,3:5,9].outm()( X8 ?& I& m$ e( f6 p
},
. k0 |' }8 s @ k' K
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.4828 `3 s; s6 h9 n
258.268 255.417 253.738 255.159 253.042
+ I; ~4 `# W& `4 c3 k6 M
258.088 252.324 248.927 252.392 247.731\" ~' U$ Z0 G4 }7 R
, V/ M2 U# p0 S `% T- a7 U- 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