查看: 9201|回复: 7

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! M0 q7 J( l) g0 _
tic
# i* a5 y8 w' J4 w. j. h0 t: ~
k = zeros(5,5); % //生成5×5全0矩阵
% w& e\" a2 d/ }* v& L( w; Y
% 循环计算以下程序段100000次：
' a1 ]; }1 N* D
for m = 1:100000
n! u\" M1 {! d# v# P/ y1 s+ Z
a = rand(5,7);
. y) y# |# ?) |) 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
! n! ~2 [; S6 w8 n
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);$ J: K/ q0 {' ?
end
5 K$ C1 s9 ~5 m+ a4 O& j
k
1 G\" N9 w c+ P/ B4 Y4 ~2 }$ u! i3 W
toc
4 U1 n\" C, I ~3 G
+ [0 `. I5 `0 A6 T* y
k =
; V1 j/ m9 v9 s8 t9 V4 F& y% o
5 L# Y- q9 H% R0 ]# V; G) o( M5 K
1.0e+005 *
3 |% E: F! Z( P5 ^
% x4 i' c8 A' z
2.7525 2.7559 2.7481 2.7525 2.7511
. g' f! m. G. b9 C% b9 M2 J0 R
2.7527 2.7535 2.7430 2.7545 2.7484/ J9 a% R( q! `) D7 a' f+ u
2.7493 2.7553 2.7440 2.7513 2.7485 l: l\" X: O6 M& W v+ a/ [) h
2.7481 2.7506 2.7425 2.7457 2.7460
7 E. W3 X$ Z' B
2.7506 2.7525 2.7429 2.7488 2.7451
+ Q, N+ ?, |7 {, S1 z! p9 E
; G( A# J! _4 @6 Q* B
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];6 ^- {% s. \1 R' }0 B, b
(:t0,k,i,a,b)=* S6 @/ K# Y$ }5 n
{
6 M2 t) _# K. n! g
t0=clock(),5 e& j3 |2 n T0 i8 \* n/ T
k=zeros[5,5],
5 ^- C7 o4 r0 d! A
i=0,(i<100000).while{
( B- _+ \+ C/ ^0 L
oo{\\" k |+ j4 x, X2 \
a=rand[5,7], b=rand[7,5],# |! P$ c# D5 v
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)8 L0 r, t0 _2 b, s* t9 l- f
},
0 o7 [1 x: c! x4 V/ i
i++
, A5 I9 x+ H0 y6 z i- f
},7 B# `* h9 ?. t/ T
k.outm().delete(),
7 s, b, \1 c: Y
[clock()-t0]/10000 I( u+ w( R) o8 f6 w3 x' f
};

!using["math","sys"];6 ^- {% s. \1 R' }0 B, b

(:t0,k,i,a,b)=* S6 @/ K# Y$ }5 n

{ 
6 M2 t) _# K. n! g
  t0=clock(),5 e& j3 |2 n  T0 i8 \* n/ T

k=zeros[5,5], 
5 ^- C7 o4 r0 d! A
  i=0,(i<100000).while{ 
( B- _+ \+ C/ ^0 L
    oo{\\" k  |+ j4 x, X2 \

a=rand[5,7], b=rand[7,5],# |! P$ c# D5 v

k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)8 L0 r, t0 _2 b, s* t9 l- f

}, 
0 o7 [1 x: c! x4 V/ i
    i++ 
, A5 I9 x+ H0 y6 z  i- f
  },7 B# `* h9 ?. t/ T

k.outm().delete(), 
7 s, b, \1 c: Y
  [clock()-t0]/10000 I( u+ w( R) o8 f6 w3 x' f

};

结果：

274978 274892 274913 274949 2749531 Q3 ~\" h\" M! y: x% g) m
274994 275050 275001 275037 274892
& h( ]8 z9 s9 s. i* n# ^8 J1 v
275001 275063 275019 274963 274971
& ~: A) z9 c) h! j- D1 W
274945 274999 275017 274983 274982
) r, z' n9 y) l [
275009 274984 274971 274955 2749233 t3 @# d# T# t; E5 s$ X' N
* h8 B1 I* {6 z\" [, {- Z4 u
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
9 t\" r( e8 P5 l4 ^( f3 b0 b$ G
a = rand(1000,1000);
* I6 C8 u9 }2 o5 ]2 C
b = rand(1000,1000);
+ b0 h3 ^2 f- X6 t
tic
1 R$ w6 o* h% b# r& [, { A' d
k = a * b;
E5 m. `6 W! D+ I; c( @
k(1:3, 5:9)' {7 l& P8 } q; v7 y5 I6 q
toc
. W* e% u4 _\" w2 Z0 E. E% Q
0 E/ M( Z9 g, Y$ X; W# _\" F
ans =% L\" r' I, @3 F, U h$ j0 v$ V- ^
\" `' c- L1 I$ C
246.1003 244.3288 252.9674 258.1527 243.9345 @' k* A9 G4 |# z
246.7404 236.1487 249.7140 251.3887 246.0294
3 m- U1 S1 O: @
249.4205 240.5515 252.5847 257.0065 249.71371 @3 g1 Q! ^7 X+ n1 b
8 K6 ]& o1 r, k1 X
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];: p* ^9 ?% B4 V. ~
main(:a,b,k,t0)=
5 q+ e& m' [9 z- ?, s
oo{
! P: A7 N B }! }: k2 E9 d
a=rand[1000,1000], b=rand[1000,1000],
9 R1 J0 J! ~: M. q8 M: r
t0=clock(), L N\\" q1 E: U `\\" L0 N3 M( O/ Y
k=a*b, //矩阵乘6 K9 P5 J2 W, [8 J4 S8 F
k[1,3:5,9].outm()
% I\\" K- u4 T; ~8 A' H, ?
},
# @% V# Z# `' {2 x' z' s8 r
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.4822 J D; v\" b8 E2 Q) E
258.268 255.417 253.738 255.159 253.042) a& Y) z& y( p9 ^% k& I& r
258.088 252.324 248.927 252.392 247.731
\" H8 f; U2 a& L4 _# k7 H0 {% e
7 u- p% w# e8 D/ k# w
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