python和fortran哪个更快_为什么Numpy比我的Fortran程序快得多？

您的Fortran实现有两个主要缺点：您可以混合IO和计算(并按条目从文件条目读取)。

您不使用向量/矩阵操作。

此实现确实执行与您的实现相同的操作，并且在我的机器上比您的执行速度快20倍：program test

integer gridsize,unit

real mini,maxi,mean

real, allocatable :: tmp (:,:,:)

gridsize=512

unit=40

allocate( tmp(gridsize, gridsize, gridsize))

open(unit=unit,file='T.out',status='old',access='stream',&

form='unformatted',action='read')

read(unit=unit) tmp

close(unit=unit)

mini = minval(tmp)

maxi = maxval(tmp)

mean = sum(tmp)/gridsize**3

print *, mini, maxi, mean

end program

这样做的目的是将整个文件读入一个数组中。tmp一步一步。然后，我可以使用这些函数MAXVAL，MINVAL，和SUM直接在数组上。

对于精度问题：只需使用双精度值，并执行动态转换，如mean = sum(real(tmp, kind=kind(1.d0)))/real(gridsize**3, kind=kind(1.d0))

只略微增加计算时间。我试着按元素的顺序和切片执行操作，但这只会增加默认优化级别所需的时间。

在-O3，元素级加法比数组运算执行约3%的运算。下面是使用LAPACK的一个非常快速的实现：program test

integer gridsize,unit, i, j

real mini,maxi

integer :: t1, t2, rate

real, allocatable :: tmp (:,:,:)

real, allocatable :: work(:)

! double precision :: mean

real :: mean

real :: slange

call system_clock(count_rate=rate)

call system_clock(t1)

gridsize=512

unit=40

allocate( tmp(gridsize, gridsize, gridsize), work(gridsize))

open(unit=unit,file='T.out',status='old',access='stream',&

form='unformatted',action='read')

read(unit=unit) tmp

close(unit=unit)

mini = minval(tmp)

maxi = maxval(tmp)

! mean = sum(tmp)/gridsize**3

! mean = sum(real(tmp, kind=kind(1.d0)))/real(gridsize**3, kind=kind(1.d0))

mean = 0.d0

do j=1,gridsize

do i=1,gridsize

mean = mean + slange('1', gridsize, 1, tmp(:,i,j),gridsize, work)

enddo !i

enddo !j

mean = mean / gridsize**3

print *, mini, maxi, mean

call system_clock(t2)

print *,real(t2-t1)/real(rate)

end program

这使用单精度矩阵1-范数。SLANGE在矩阵列上。运行时甚至比使用单精度数组函数的方法还要快，并且没有显示精度问题。