查看: 9348|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

^#

发表于 2011-8-1 08:00 |只看该作者 |正序浏览

|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, k4 m) I- y7 e5 f! e
tic* J2 E; O7 W, s$ `! _* M
k = zeros(5,5); % //生成5×5全0矩阵
( x; a' @) p& p( z+ f
% 循环计算以下程序段100000次：
6 k2 q2 q2 a* f1 b
for m = 1:100000
\" K, y# J, t3 j5 f7 D& ?9 [
a = rand(5,7);
$ A& |8 y; [/ o$ M
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
( V6 P1 G, y: l* y# j
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
: C2 I; m! O7 p) v& `, }
end( f, i- X- Z' f0 g7 l) f9 w: D, _
k2 b( x. D) v! X9 f- S; Y
toc
/ F7 E: I4 b1 [. [6 K8 O
, H& C' r3 R9 k\" c, H1 C& k
k =$ }: e1 [6 b( x4 Q J3 Y
. e# I2 h6 R( a6 q' r2 J
1.0e+005 *, z\" O4 a# w/ s Y3 A5 ^% O
% l' F# o# Q4 [) b* L0 f
2.7525 2.7559 2.7481 2.7525 2.7511, I. F& |' x# B- Q. s/ i5 ]
2.7527 2.7535 2.7430 2.7545 2.7484
; X5 C7 h2 Y% y9 o7 ]( o( @' q
2.7493 2.7553 2.7440 2.7513 2.7485- `\" d3 e) V' G0 k3 S
2.7481 2.7506 2.7425 2.7457 2.7460
\" ~, R6 J7 F7 d4 K6 T9 D$ ]* D% N+ @
2.7506 2.7525 2.7429 2.7488 2.7451
: G$ _& G1 g7 o% G/ J
4 D- a% C4 I$ D5 U2 B# C
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
) V\\" G% {$ L9 I\\" V/ | T ~
(:t0,k,i,a,b)=! N0 W1 r; z/ w2 k Q- {: Z* O1 {+ _
{0 }& H) Y& r5 y0 b* ]: s
t0=clock(),
1 |' c* X4 ?+ A$ ]& T
k=zeros[5,5],9 I1 \, v5 ~7 m
i=0,(i<100000).while{. b- r2 b- p; c\\" M
oo{% R, @' E* P0 |! E
a=rand[5,7], b=rand[7,5],2 h8 j9 [; \2 S7 ?( }0 J y
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)
5 q$ A& I |\\" H) p) x
},
6 m1 S- O! N+ T F' M3 x4 b
i++* ]( ]2 h0 g$ R% Z/ X
},
. e6 `2 @7 J/ k: d! }( }; j
k.outm().delete(),
& R' B- p5 f: p( k! n% }+ V* \
[clock()-t0]/1000* R: c6 U& F% k' T
};

!using["math","sys"]; 
) V\\" G% {$ L9 I\\" V/ |  T  ~
(:t0,k,i,a,b)=! N0 W1 r; z/ w2 k  Q- {: Z* O1 {+ _

{0 }& H) Y& r5 y0 b* ]: s

t0=clock(), 
1 |' c* X4 ?+ A$ ]& T
  k=zeros[5,5],9 I1 \, v5 ~7 m

i=0,(i<100000).while{. b- r2 b- p; c\\" M

oo{% R, @' E* P0 |! E

a=rand[5,7], b=rand[7,5],2 h8 j9 [; \2 S7 ?( }0 J  y

k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg) 
5 q$ A& I  |\\" H) p) x
    }, 
6 m1 S- O! N+ T  F' M3 x4 b
    i++* ]( ]2 h0 g$ R% Z/ X

}, 
. e6 `2 @7 J/ k: d! }( }; j
  k.outm().delete(), 
& R' B- p5 f: p( k! n% }+ V* \
  [clock()-t0]/1000* R: c6 U& F% k' T

};

结果：

274978 274892 274913 274949 274953
' N' y( J* g\" u; H7 Z$ T8 ?\" |
274994 275050 275001 275037 2748924 c# x' p* }% i\" J* Q4 Z/ F
275001 275063 275019 274963 274971. F' v$ w& g# D
274945 274999 275017 274983 2749824 i( D2 J9 h1 t' v2 ^6 z0 ?# x\" v
275009 274984 274971 274955 274923
+ P2 g* q% Q, F1 T2 P1 c/ T% r\" T
0 k! C) e# l9 p
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+ O# G; z3 Q. l2 M* L1 i
a = rand(1000,1000);
4 I/ F& H: Z+ W/ ~8 m
b = rand(1000,1000);& F7 w( i: c7 P- w7 J
tic
, X* k\" H\" D( F/ E
k = a * b;# R% R! ]' t$ Y% `
k(1:3, 5:9)( s/ e1 t$ a4 o8 R# Z3 W
toc
# o7 c' e8 L7 n1 Q6 n T
7 D z$ \$ i K- q7 E\" w
ans =
+ N8 Y* s6 s$ G& N+ l0 c, Q
1 S, k W4 S2 Z! O2 }
246.1003 244.3288 252.9674 258.1527 243.93452 g0 E& f& U3 y( G0 A( \& I
246.7404 236.1487 249.7140 251.3887 246.0294
6 ?0 q1 u1 b! ]) Z
249.4205 240.5515 252.5847 257.0065 249.7137
: V$ n4 l+ W3 X0 K\" o/ k
2 a$ x+ U5 x7 F! @& f$ y- `: Y
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];# o5 o+ R) f7 j/ o5 W' f
main(:a,b,k,t0)=' f$ M% _0 f5 z/ _
oo{; o\\" D% a; f7 K5 ]
a=rand[1000,1000], b=rand[1000,1000],
- Y3 W, _9 p' m) W
t0=clock(),
1 H1 f1 F, d; H
k=a*b, //矩阵乘! {! n& I) V) f' P6 \& w- u
k[1,3:5,9].outm()
. f# _# h% @+ H. r4 |
},% y/ R8 ^- Q6 G\\" q
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.482# ]9 p$ N3 Q; W. X
258.268 255.417 253.738 255.159 253.042+ Q c\" X% ?\" x0 ?& B' }
258.088 252.324 248.927 252.392 247.731$ d ~; F( @5 J V( [4 y
+ V- G- a9 N( [
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