查看: 9233|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- E- r8 [5 P6 Z# H/ i
tic- j/ V2 J3 b# k8 y
k = zeros(5,5); % //生成5×5全0矩阵 }# S; C- z$ y
% 循环计算以下程序段100000次：
$ ?\" ^5 O& R2 b f' G2 B8 v6 d
for m = 1:1000006 w5 T3 J+ L, D9 b1 ]4 X. `
a = rand(5,7);
\" s9 i0 K! r# `0 Z% Z9 N2 d
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
7 s; w% ]\" w' E- W
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);! d) X. T x3 B
end+ W3 v% j! u6 i! z
k
, S9 |6 L\" [4 Q# L1 _0 {/ [
toc5 l1 I( h \+ V- A0 h
$ r1 p- p! |7 V
k =
$ C. `) A4 r9 X1 a+ o X0 i/ }
4 _$ k+ _9 }2 y2 m
1.0e+005 *( p! K& i; g3 @: O6 ?6 n7 M
. E7 U3 A# ]9 Q2 w
2.7525 2.7559 2.7481 2.7525 2.7511
! n. M; V3 n\" H' V( v8 M7 @3 O
2.7527 2.7535 2.7430 2.7545 2.7484
5 X3 |6 [5 g# d7 ?6 A1 {) _8 |, L) ^
2.7493 2.7553 2.7440 2.7513 2.7485
' o ^- d/ c( T8 Y8 J0 E* d; l4 N: N
2.7481 2.7506 2.7425 2.7457 2.7460
0 ~! e\" E; j9 y* W* N! ^, u
2.7506 2.7525 2.7429 2.7488 2.7451
# W9 p/ n# O/ W( D% S8 N; @' c$ s: h
. N8 _# m8 ~% l; W) n
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"]; O8 M3 D\\" F1 b# ]7 C; H) A4 S5 F( i
(:t0,k,i,a,b)=8 K* F& ^' m4 C$ c1 v
{
; L! A5 ~. H9 L2 j* A+ S
t0=clock(),3 C$ R* U$ D( h/ h\\" V
k=zeros[5,5],. J( Y5 `# w. ]3 t: T! ?
i=0,(i<100000).while{
\\" s4 T$ ?7 G, p( B4 m; O/ _, {
oo{, Z6 e\\" m3 T& X: m- q$ c4 C0 W
a=rand[5,7], b=rand[7,5],\\" x! B1 D+ i( X# x2 H, C3 k0 Z
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg) c6 I0 P) J! J( X9 _\\" D0 e- k. b' Y
},+ q6 R% Q# }\\" H
i++
7 T$ Z/ {9 l/ ?+ p- t
},
9 a- w$ h4 [( O$ X: }
k.outm().delete(),
, O' q% D# K0 m$ W0 o2 L1 D( Z
[clock()-t0]/1000
3 l7 |: e/ @8 |/ N N: O/ k' `5 `
};

!using["math","sys"];  O8 M3 D\\" F1 b# ]7 C; H) A4 S5 F( i

(:t0,k,i,a,b)=8 K* F& ^' m4 C$ c1 v

{ 
; L! A5 ~. H9 L2 j* A+ S
  t0=clock(),3 C$ R* U$ D( h/ h\\" V

k=zeros[5,5],. J( Y5 `# w. ]3 t: T! ?

i=0,(i<100000).while{ 
\\" s4 T$ ?7 G, p( B4 m; O/ _, {
    oo{, Z6 e\\" m3 T& X: m- q$ c4 C0 W

a=rand[5,7], b=rand[7,5],\\" x! B1 D+ i( X# x2 H, C3 k0 Z

k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)  c6 I0 P) J! J( X9 _\\" D0 e- k. b' Y

},+ q6 R% Q# }\\" H

i++ 
7 T$ Z/ {9 l/ ?+ p- t
  }, 
9 a- w$ h4 [( O$ X: }
  k.outm().delete(), 
, O' q% D# K0 m$ W0 o2 L1 D( Z
  [clock()-t0]/1000 
3 l7 |: e/ @8 |/ N  N: O/ k' `5 `
};

结果：

274978 274892 274913 274949 274953
( f2 d% t' d4 p
274994 275050 275001 275037 274892 ~; H1 E; i5 W7 A$ V6 o
275001 275063 275019 274963 274971
; a1 j+ J- i: l7 F6 ]
274945 274999 275017 274983 274982
' Y+ X. D1 b8 ^9 p- \
275009 274984 274971 274955 274923! }# z* O0 @5 X: m7 d
+ V- }0 x u- j& Y8 X
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\" Z\" s) @; m4 a2 }% c
a = rand(1000,1000);
4 a; R- B0 J2 }9 m# s. O, V# \
b = rand(1000,1000);$ r% v' L7 D' K6 @# q
tic
( l$ i3 }9 S) [3 q
k = a * b;$ \3 G* d; |) M w- B( u
k(1:3, 5:9)\" w3 ~3 \1 P3 s
toc( n) ~. H! \' d; B+ r) }: a' |
. E' K. E. D B7 I5 j% O
ans =
% d' V$ [# Y1 ?3 v& Y
* r& ~$ ^\" p% l) H& R
246.1003 244.3288 252.9674 258.1527 243.9345
0 d: a2 {9 z I4 \' |& d O
246.7404 236.1487 249.7140 251.3887 246.02949 x9 W7 z# j8 @5 a+ Z& e* ^
249.4205 240.5515 252.5847 257.0065 249.71375 z. R# m/ b$ e: b* g0 J. f1 ^, n# j
7 t. v\" N) b- k# j ]: c J
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];& I# U+ a/ w\\" J8 k: `, {, Q
main(:a,b,k,t0)=6 |0 g- _. O7 k& B, G4 v
oo{# N* @7 y$ {! i' l4 n7 T
a=rand[1000,1000], b=rand[1000,1000],4 L: O& g; ]- X6 q& H( q
t0=clock(),
k=a*b, //矩阵乘/ o0 K5 Y8 i2 l6 D3 j- A
k[1,3:5,9].outm()
, e3 X! ^. Y1 g$ s\\" y
},
( B, T) u% y1 y1 C' n& I6 X
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.482
, O' L! p5 ^6 G5 o
258.268 255.417 253.738 255.159 253.042
/ _5 V( h! o; ~) t% _' D
258.088 252.324 248.927 252.392 247.731
6 _5 V! d* U! ~# ~( |. d+ Y6 v# ~
\" }/ t! h4 `0 y' K+ D
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