查看: 9202|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
) s! H: p# J* V' N
tic) c' s* a6 \3 Q- o2 ]( n
k = zeros(5,5); % //生成5×5全0矩阵
$ w; m7 e) F' e1 e) x3 k5 d
% 循环计算以下程序段100000次：\" C& m! x7 ~( S; B9 Q U
for m = 1:100000
6 D. W: D% g, V0 z\" ]
a = rand(5,7);
3 ]+ ^& g$ h7 i3 z. s8 t- y
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
5 F\" i# @. Q$ ?, S3 ~7 s
k = k + a * b + a(1:5, 2:6) * b(2:6, 1:5) - a(:, 7) * b(3, :);
! Y+ t- e& W B/ ^
end# T3 {0 a: L4 a\" G$ P' b+ l
k
+ D3 x) e. d3 U( W7 u O
toc
' Q/ R\" j- c# p1 C+ Q
6 m7 D w- s+ m; V; F
k =8 {( A% G3 i2 k8 F8 a0 F+ F6 f
4 Z6 J7 k2 s: ^) ^; n
1.0e+005 *
3 }. X0 n; o% J# O0 ~
% T; `3 R4 n' |% {
2.7525 2.7559 2.7481 2.7525 2.75110 U+ }7 O) G: p$ u+ J$ G\" w
2.7527 2.7535 2.7430 2.7545 2.74848 e6 B9 `: E/ V* q
2.7493 2.7553 2.7440 2.7513 2.7485! M( i! g A$ S
2.7481 2.7506 2.7425 2.7457 2.7460# Z: N8 d# f- n5 ~1 @
2.7506 2.7525 2.7429 2.7488 2.7451& B3 L# [; h) G% r$ ]/ f
\" O( A# y; h5 u1 c; V# L7 J/ i
Elapsed time is 1.979852 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
& H1 T% L& O. U4 v4 a8 F\\" i
(:t0,k,i,a,b)=
9 u; M0 M/ m: V- i; ]
{4 {5 L: B4 N' g
t0=clock(),
0 e& M. h' o1 E+ o3 T y
k=zeros[5,5],0 X& C6 E! l- n; `2 ~& U
i=0,(i<100000).while{
; H' B\\" S. Q% E+ R c5 v
oo{0 M8 z: b- Z9 H+ e- }. ?
a=rand[5,7], b=rand[7,5],
; H& H: L) }6 |, p6 c$ m& d
k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)3 x) Y\\" p/ B; z M: F4 q
},- ?* ~, F' @$ ~8 g
i++
2 I- D+ W( j. w8 W( ]6 ^
},
, F/ M& l7 v) ?: X: p$ m& ~
k.outm().delete(),
[clock()-t0]/1000
; t+ n+ _% l8 Z7 Q8 X
};

!using["math","sys"]; 
& H1 T% L& O. U4 v4 a8 F\\" i
(:t0,k,i,a,b)= 
9 u; M0 M/ m: V- i; ]
{4 {5 L: B4 N' g

t0=clock(), 
0 e& M. h' o1 E+ o3 T  y
  k=zeros[5,5],0 X& C6 E! l- n; `2 ~& U

i=0,(i<100000).while{ 
; H' B\\" S. Q% E+ R  c5 v
    oo{0 M8 z: b- Z9 H+ e- }. ?

a=rand[5,7], b=rand[7,5], 
; H& H: L) }6 |, p6 c$ m& d
      k.=k+a*b+a(0,4:1,5)*b(1,5:0,4)-a(neg:6)*b(3:neg)3 x) Y\\" p/ B; z  M: F4 q

},- ?* ~, F' @$ ~8 g

i++ 
2 I- D+ W( j. w8 W( ]6 ^
  }, 
, F/ M& l7 v) ?: X: p$ m& ~
  k.outm().delete(), 
+ p$ W8 W: ?' n4 [  k# A( g4 _\\" V( M' |
  [clock()-t0]/1000 
; t+ n+ _% l8 Z7 Q8 X
};

结果：

274978 274892 274913 274949 274953
' J1 G+ I. w. r
274994 275050 275001 275037 274892* E6 D; Z5 V6 C l
275001 275063 275019 274963 274971
/ X+ A: i2 u* K9 @+ v$ z/ K
274945 274999 275017 274983 2749825 Z& f9 C, c( J9 o8 s: Y
275009 274984 274971 274955 274923
\" q, |! s7 C& |$ S; W
/ q5 L( P# r/ N$ h1 k/ e
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 = rand(1000,1000);
. n4 \! T5 N# V
b = rand(1000,1000);
$ F2 |/ t& b& [; E6 [, Z8 D# e
tic( H\" N0 b+ B1 I9 ?+ a( j2 y
k = a * b;
- U- w6 ]5 k3 U3 L* u7 i
k(1:3, 5:9)
?; u. l: H) a\" Q$ p
toc9 j D& g7 Q\" C
' b& K0 R3 s8 [% u6 O
ans =; |% Z) j$ m8 X, N) `/ u
% ]) W: H7 l! f
246.1003 244.3288 252.9674 258.1527 243.93456 I) O8 ? U, R- q1 c2 D$ D, g
246.7404 236.1487 249.7140 251.3887 246.0294) v; e9 T$ X0 M. A# k( `
249.4205 240.5515 252.5847 257.0065 249.7137
# b, z; X* L9 C# X9 G
. J* q/ z9 g4 x: i% k Y+ y; }
Elapsed time is 0.310022 seconds.

复制代码

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

Forcal（OpenFC演示）代码：

!using["math","sys"];
! G7 D; U0 i9 E\\" q7 P$ b
main(:a,b,k,t0)=
5 ~6 \4 K2 f5 z1 t& ^
oo{7 c4 v: C% X, j0 ]
a=rand[1000,1000], b=rand[1000,1000],
) C- S/ d# ?0 u# Q$ O9 l
t0=clock(),% ~8 J/ h$ G( f0 ~1 k4 ~) K( u
k=a*b, //矩阵乘
* \0 U4 p `% {! H0 R( L
k[1,3:5,9].outm()3 D+ S6 N8 b7 @- W* | I
},\\" R( Z% ?/ U2 p# z% g$ M
[clock()-t0]/1000;

结果：

247.009 245.731 242.454 247.412 244.4821 ~3 y% |1 f2 O( E( {5 G
258.268 255.417 253.738 255.159 253.0422 b0 z& W* V( n( c0 l; M
258.088 252.324 248.927 252.392 247.731& p5 O$ W# ~5 ?9 H9 {+ e8 a
\" I+ Q( x$ e+ L# m
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