在matlab中, 当数据比较大时,运算起来就困难了,有时候还会out of memory(例如4000*4000的矩阵,要算矩阵乘法都比较吃力)。此文会记录我学到的一些解决办法:
1. 将数据的存储类型从double转换成single
在matlab中double数据类型占8个字节,single类型占4个字节。把数据类型从double类型转换成single类型可以节省一半的空间。
单精度浮点数single的取值范围可以通过[-realmax('single'), -realmin('single')] U [ realmin('single'), realmax('single')]查看,可以发现其范围一般是足够我们使用了。
2. 避免使用高维矩阵
当数据量很大时,使用高维矩阵无疑是雪上加霜,可以考虑使用多个低维矩阵。
例如有3个N*N的矩阵(K1,K2,K3),为了程序书写的方便,可以把这三个矩阵保存在一个N*N*3的矩阵K中,那么使用这三个矩阵时就只通过K来访问。但是,当N比较大时,三维矩阵K就更大了,很容易造成out of memory。 所以为了避免out of memory,还是使用多个二维矩阵比较好(与其分配一个更大的空间给K,不如分配多个小矩阵,虽然总量一样),可是这样取用这三个矩阵却不方便了。下面给出我的解决方案:
N = 5000;
K1 = rand(N,N);
K2 = rand(N,N);</