matlab大数据计算技巧（持续更新中）

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);</