Matlab 创建大尺寸矩阵时内存不足

该代码从输入图像x中随机选择J=R*T样本。x是MxN image.PHi_2操作符首先从M中随机选择R行，然后从N中随机选择T列，并保持公共M&N像素的采样，并将其他像素设置为零。 此代码适用于小尺寸图像，但对于大尺寸图像（512x512），matlab给了我低内存错误（创建Phi2=0（J，S1*S2）；）时的第四行）。您能帮我修复它吗？我还选择了R=T=362

function [ y2,Phi2 ] = Phi2_operator( x,R,T )
J=R*T;
[S1,S2]=size(x);
z=zeros(size(x));
y2=zeros(size(x));
Phi2=zeros(J,S1*S2);
k = randperm(S1);
a=k(1:R);
b=sort(a);
l=length(b);
for i=1:l
z(b(i),:)=x(b(i),:);
end
clear i
K=randperm(S2);
A=K(1:T);
B=sort(A);
L=length(B);
for i=1:L
y2(:,B(i))=z(:,B(i));
end
X=find(y2);
for i=1:J
Phi2(i,X(i))=1;
end
end

---

您可以稍微优化一下代码：

1。您可以使用两个参数调用：

randperm（n，k）

，它从区间

1:n

中随机选择

k

样本。这样您就不需要创建变量

a

2.您可以使用矢量化方法，而不是在for循环中将值分配给

z

和

y2

，方法是：

z（k，：）=x（k，：）。这比循环更快、更短。您也不需要对
k
进行排序

现在来看更重要的事情：

3.您创建了
z
和
y2
，它们都具有
x
的完整大小，但您只返回
y2
。放下
z
，这样可以节省一些内存。再次借助逻辑索引，我们得到：

k1 = randperm(S1,R);
k2 = randperm(S2,T);

y2(k1,k2) = x(k1,k2);    

4.让我们看看什么是
Phi2
：使用
X=find（y2）
可以得到
y2
中每个非零元素的值。
Phi2
的一个简单示例如下所示：

0    0    1    0    0    0    ...
0    0    0    0    1    0    ...
0    0    0    0    0    1    ...
...

这告诉我们第一个非零元素（Phi2的第一行）位于
y2的第三个线性索引处。第二个非零元素（第二行）位于
y2的第五个线性索引处。第三个非零元素（第三行）位于
y2的第六个线性索引处，依此类推。这不会增加额外的知识，但需要一个巨大的矩阵。我不认为你真的需要这个，可能会有办法解决你的问题，而不创建这个矩阵

如果你真的需要这个巨大的Phi2，你会想把它做成一个矩阵：

对于具有
R=128
和
T=64
的
256*256
图像，全尺寸矩阵将为
4294967296字节，即
4 GB
！稀疏矩阵只有
651272字节
或
636kb

所有的东西放在一起都是

function [ y2,Phi2 ] = Phi2_operator( x,R,T )
    J = R * T;
    [S1,S2] = size(x);

    y2 = zeros(size(x));

    k1 = randperm(S1,R);
    k2 = randperm(S2,T);

    y2(k1,k2) = x(k1,k2);  

    X=find(y2);
    Phi2 = sparse(1:J,X,ones(1,J));
end

您可以稍微优化一下代码：

1。您可以使用两个参数调用：
randperm（n，k）
，它从区间
1:n
中随机选择
k
样本。这样您就不需要创建变量
a

2.您可以使用矢量化方法，而不是在for循环中将值分配给
z
和
y2
，方法是：
z（k，：）=x（k，：）。这比循环更快、更短。您也不需要对
k
进行排序

现在来看更重要的事情：

3.您创建了
z
和
y2
，它们都具有
x
的完整大小，但您只返回
y2
。放下
z
，这样可以节省一些内存。再次借助逻辑索引，我们得到：

k1 = randperm(S1,R);
k2 = randperm(S2,T);

y2(k1,k2) = x(k1,k2);    

4.让我们看看什么是
Phi2
：使用
X=find（y2）
可以得到
y2
中每个非零元素的值。
Phi2
的一个简单示例如下所示：

0    0    1    0    0    0    ...
0    0    0    0    1    0    ...
0    0    0    0    0    1    ...
...

这告诉我们第一个非零元素（Phi2的第一行）位于
y2的第三个线性索引处。第二个非零元素（第二行）位于
y2的第五个线性索引处。第三个非零元素（第三行）位于
y2的第六个线性索引处，依此类推。这不会增加额外的知识，但需要一个巨大的矩阵。我不认为你真的需要这个，可能会有办法解决你的问题，而不创建这个矩阵

如果你真的需要这个巨大的Phi2，你会想把它做成一个矩阵：

对于具有
R=128
和
T=64
的
256*256
图像，全尺寸矩阵将为
4294967296字节，即
4 GB
！稀疏矩阵只有
651272字节
或
636kb

所有的东西放在一起都是

function [ y2,Phi2 ] = Phi2_operator( x,R,T )
    J = R * T;
    [S1,S2] = size(x);

    y2 = zeros(size(x));

    k1 = randperm(S1,R);
    k2 = randperm(S2,T);

    y2(k1,k2) = x(k1,k2);  

    X=find(y2);
    Phi2 = sparse(1:J,X,ones(1,J));
end

您可以稍微优化一下代码：

1。您可以使用两个参数调用：
randperm（n，k）
，它从区间
1:n
中随机选择
k
样本。这样您就不需要创建变量
a

2.您可以使用矢量化方法，而不是在for循环中将值分配给
z
和
y2
，方法是：
z（k，：）=x（k，：）。这比循环更快、更短。您也不需要对
k
进行排序

现在来看更重要的事情：

3.您创建了
z
和
y2
，它们都具有
x
的完整大小，但您只返回
y2
。放下
z
，这样可以节省一些内存。再次借助逻辑索引，我们得到：

k1 = randperm(S1,R);
k2 = randperm(S2,T);

y2(k1,k2) = x(k1,k2);    

4.让我们看看什么是
Phi2
：使用
X=find（y2）
可以得到
y2
中每个非零元素的值。
Phi2
的一个简单示例如下所示：

0    0    1    0    0    0    ...
0    0    0    0    1    0    ...
0    0    0    0    0    1    ...
...

这告诉我们第一个非零元素（Phi2的第一行）位于
y2的第三个线性索引处。第二个非零元素（第二行）位于
y2的第五个线性索引处。第三个非零元素（第三行）位于
y2的第六个线性索引处，依此类推。这不会增加额外的知识，但需要一个巨大的矩阵。我不认为你真的需要这个，可能会有办法解决你的问题，而不创建这个矩阵

如果您真的需要这个巨大的Phi2，您将需要