MATLAB out of memory深层次解决办法

转载：file:///G:/matlab_out%20of%20memory/Matlab%20Out%20of%20memory问题总结【转】%20-%20Niya的日志%20-%20网易博客.htm

Out of memory问题总结【原创】（一）

首先，我要声明，matlab自带的Help才是最权威的Matlab学习资料，如果有时间好好学习一下或是可以高效的使用的话，一定受益匪浅！比如说像Out
of Memory这个问题，最开始我都是用Help memory，几乎得不到任何信息；然后就是去网上搜索此类问题的解决方法，一般有这几种：

除了升级内存和升级64位系统外，下面几个方法也是解决之道。

1> 增加虚拟内存

2> 采用PACK （在命令行输入 pack 整理内存空间）

3> 采用3GB 开关启动系统(修改 c盘根目录 boot.ini 启动选项加上 /3G

例如：

multi(0)disk(0)rdisk(0)partition(1)\WINDOWS="Microsoft Windows XP Professional" /noexecute=optin /fastdetect
/3G

4> 优化程序，减少变量

（使用稀疏矩阵 sparse ） save 保存变量 load 变量，需要时再读出来

5>

如果必有必要，不要启动java虚拟机，采用matlab
-nojvm启动

（在快捷方式属性里面的 "..../matlab.exe"）

改为（"...../matlab.exe" - nojvm）

6> 关闭Matlab Server

7> 使用

单精度 single 短整数替代

双精度。

现在看来这些解决方法对于我的问题来说根本就是“治标不治本”，不能解决实际问题，后来在一个师兄的提醒下Help out of memory，终于找到了解决此类问题的方法。在此感谢这位师兄啊！

重申――Matlab的Help才是Matlab的最权威的指导材料！！！

其实我的所谓原创就是对Help out of memory的一些归纳总结而已，有兴趣的话大家可以自己去看！！！

问题一：Matlab是如何存储矩阵的

Matlab中矩阵是以Block，也就是块的形式存储的。也就是说，当Matlab在为即将存储的矩阵划分块时，如果没有相应大小的连续内存，即使实际内存没有被完全使用，他还是会报告“Out
of Memory”。

问题二：如何高效使用Memory

由于在使用的过程中，由于存储单元的不断的被分配和清除，内存会被分割成不连续的区域，这是很容易造成“Out of Memory”。

1．为矩阵变量预制内存而不是动态分配

在动态分配的过程中，由于开始Matlab所用的Block随着矩阵的增大而连续的为此矩阵分配内存，但是由于Block的不连续性，很有可能最开始分配的Block不能满足存储的需要，Matlab只好移动此Block以找到更大的Block来存储，这样在移动的过程中不但占用了大量的时间，而且很有可能它找不到更大的块，导致Out
of Memory。而当你为矩阵变量预制内存时，Matlab会在计算开始前一次性找到最合适的Block，此时就不用为变量连续的分配内存。

比较下面两个程序：

for k = 2:1000

x(k) = x(k-1) + 5;

end

x = zeros(1, 1000);

for k = 2:1000

x(k) = x(k-1) + 5;

end

显然，第二个更好！最好的方法是，在程序一开始就位所有大的矩阵变量预制存存储单元！

Out of memory问题总结【原创】（二）

1．尽量早的分配大的矩阵变量

Matlab使用heap method管理内存。当在Matlab
heap中没有足够的内存使用时，它会向系统请求内存。但是只要内存碎片可以存下当前的变量，Matlab会重新使用内存。

比如：

a = rand(1e6,1);

b = rand(1e6,1);

使用大约15.4 MB RAM

c = rand(2.1e6,1);

使用近似16.4 MB RAM:

a = rand(1e6,1);

b = rand(1e6,1);

clear

c = rand(2.1e6,1);

使用32.4 MB RAM。因为Matlab不能使用a、b被clear的空间，因为它们均小于2.1
MB，而同时它们也很可能是不连续的。

最好的方法：

c = rand(2.1e6,1);

clear

a = rand(1e6,1);

b = rand(1e6,1);

使用16.4 MB RAM

2．尽量避免产生大的瞬时变量，当它们不用的时候应该及时clear。

3．尽量的重复使用变量（跟不用的clear掉一个意思）

4．将矩阵转化成稀疏形式

如果矩阵中有大量的0，最好存储成稀疏形式。稀疏形式的矩阵使用内存更少，执行时间更短。

例如：

1000×1000的矩阵X，它2/3的元素为0，使用两种存储方法的比较：

Name

Size

Bytes

Class

X

1000x1000

8000000

double array

Y

1000x1000

4004000

double array (sparse)

5．使用pack命令

当内存被分为很多碎片以后，其实本身可能有很大的空间，只是没有作构的连续空间即大的Block而已。如果此时Out
of Memory，此时使用pack命令可以很好的解决此问题。

6．如果可行的话，将一个大的矩阵划分为几个小的矩阵，这样每一次使用的内存减少。

7．增大内存