在Matlab下编译sparseLM

    levmar库给出了一个很好的LM算法实现。可是在处理实际问题中，我们要求解的参数可能非常多，而且这些参数之间关联性不大，这就造成了输入到LM算法的Jacobian矩阵规模很大，而且非常sparse。如果直接传给LM算法，很可能out of memery。这也是levmar的sparse版本sparseLM产生的动机。

    相较于levmar，sparseLM依赖于更多的库来处理稀疏性，因此无论是c++版本还是matlab版本，sparseLM的编译要繁琐一些。

    首先，下载最新版本的sparseLM，我用的是1.3。sparseLM中推荐使用cholmod库作为sparse solver，这个库是在linux/unix下开发的，移植到win系统下非常不方便。官方的做法使用cygwin（一个在win系统上运行的unix虚拟环境）来编译。由于这个过程非常折腾，我选择了另外一种更简便的方法，下载win系统下编译好的cholmod库。原始的下载地址已经被墙了，我将下载后的文件上传到了csdn上（地址）。

   和levmar一样，lapack/blas也是需要的。同样我也是使用win下编译好的文件（地址）。

   以上几步做好之后，用cmake打开sparseLM源代码所在目录，设置好build的目录。configure之后，将几个变量的值改成相应的目录名和lib文件名。接着，在msvc环境下编译，会出现这个错误error C2485: '__restrict' : unrecognized extended attribute。Ctri F 搜索#define restrict __restrict，在compiler.h中找到这个宏定义，注释掉这个宏。之后编译成功。

   最后，进入matlab目录，进行mex编译。首先编译 sparselm_spsolvr.c，我本机的mex命令是：

mex -IE:\library\sparselm-1.3\ sparselm_spsolvr.c

   然后编译 sparselm.c，我的mex命令是：

mex -DHAVE_LARGE_ARRAYS -IE:\library\sparselm-1.3\ sparselm.c -LE:\library\sparselm-1.3\build\Release\ -LE:\library\cholmod\lib\ -LE:\library\lapack-MD-release\ -lsplm -llibcholmod -llibamd -llibcamd -llibcolamd -llibccolamd -llapack_win32_MD -lblas_win32_MD -llibmetis_CHOLMOD 

     这个mex命令虽然很长，其实并不复杂，我前一篇文章也有介绍类似的mex命令（地址）。简单解释下：

     -IE:\library\sparselm-1.3\     #include文件目录

     -LE:\library\sparselm-1.3\build\Release\    splm.lib所在目录

     -LE:\library\cholmod\lib\   libcholmod.lib libamd.lib  libcamd.lib libcolamd.lib libccolamd.lib llibmetis_CHOLMOD.lib所在目录

     -LE:\library\lapack-MD-release\  llapack_win32_MD.lib lblas_win32_MD.lib所在目录

     后面都是以上lib文件的声明，主要不要加.lib后缀。

     将两个dll，lapack_win32_MD.dll和blas_win32_MD.dll拷贝到matlab工作目录，运行splmdemo.m，如果能得到结果，则编译成功。