'；内存不足'；在Matlab中。缓慢但永久的解决方案？

我想知道我对“记忆不足”问题的建议是否不可能。以下是我的建议：

其思想是，当无法将大型矩阵保存在内存中并在需要时无缝调用它时，将其作为.mat（-v7.3）文件无缝地保存到硬盘中（比如

BIG=rand（10^6）

）。然后，当您想像这样使用它时：

a = BIG(3678,2222);
s = size(BIG);

，它可以在幕后无缝地执行以下操作：

m = matfile('BIG.m');
a = m.BIG(3678,2222);
s = size(m,'BIG');

我知道速度很重要，但假设我有足够的时间但没有足够的记忆。写一个内存效率高的程序也更好，但是再次假设我需要使用其他人无法优化的函数。我确实有一些更相关的问题：这可以用对象实现吗？还是需要在Matlab中更改基础结构？

编写一个函数：

function a=BIG(x,y)
  m = matfile('BIG.mat');
  a = m.BIG(x,y);
end

每次编写

BIG（a，b）

时，都会调用该函数。

编写一个函数：

function a=BIG(x,y)
  m = matfile('BIG.mat');
  a = m.BIG(x,y);
end

---

每次编写

BIG（a，b）

时，函数都会被调用。

在我看来，这当然是可能的，因为这本质上是许多操作系统以

此外，MATLAB分布式计算服务器也提供了类似的功能。这允许您（除其他外）在多台机器上存储单个矩阵的数据，并以您建议的方式无缝地访问它

IMHO，允许数据分页到文件/交换应该是MATLAB中的一个设置。不幸的是，MATLAB的内存模型并不是这样工作的，我怀疑在他们这方面很难实现这一点。此外，启用此设置后，用户将不再受到保护，不会再犯愚蠢的错误，如

zero（1e7）

而不是

zero（1e7,1）

；它似乎只是挂起了系统，因为MATLAB正忙着用零填充整个驱动器

无论如何，我认为使用MATLAB类是可能的。但我不推荐。请注意，实现适当的

subsref

和

subsasgn

具有挑战性，此外，您可能需要重新实现许多算法（如

mldivide

）。这很可能意味着您将失去大量的性能；想想成千上万的因素吧

---

这是我在谷歌搜索时发现的一个有趣的问题。

在我看来，这当然是可能的，因为这本质上是许多操作系统以

此外，MATLAB分布式计算服务器也提供了类似的功能。这允许您（除其他外）在多台机器上存储单个矩阵的数据，并以您建议的方式无缝地访问它

IMHO，允许数据分页到文件/交换应该是MATLAB中的一个设置。不幸的是，MATLAB的内存模型并不是这样工作的，我怀疑在他们这方面很难实现这一点。此外，启用此设置后，用户将不再受到保护，不会再犯愚蠢的错误，如

zero（1e7）

而不是

zero（1e7,1）

；它似乎只是挂起了系统，因为MATLAB正忙着用零填充整个驱动器

无论如何，我认为使用MATLAB类是可能的。但我不推荐。请注意，实现适当的

subsref

和

subsasgn

具有挑战性，此外，您可能需要重新实现许多算法（如

mldivide

）。这很可能意味着您将失去大量的性能；想想成千上万的因素吧

---

这是我在谷歌搜索时发现的一个有趣的问题。

解决您问题的可能方法是内存映射io（matlab支持）

其中一个文件映射到内存，对该内存地址的所有读/写实际上都是对该文件的读/写

这只保留/阻塞内存地址，不消耗物理内存

然而，我只建议使用64位matlab，因为使用32位matlab时，地址空间不够大，无法使用ram进行数据、matlab和DLL代码以及内存映射io

查看

memmapfile（）

文档页面的示例，例如

m = memmapfile('records.dat',    ...
           'Offset', 1024,   ...
           'Format', {'uint32' [4 10 18] 'x'});

A = m.Data(1).x;

whos A
   Name      Size                     Bytes  Class

   A        4x10x18                   2880   uint32 array

请注意，对

m.Data（1）.x的访问将重定向到文件IO，即不消耗内存。因此，它提供了对驻留在磁盘上的可能非常大的数据文件的有效随机访问。还要注意，可以实现示例中更复杂的数据结构

在我看来，这提供了您心目中的“对象实现”

不幸的是，这不允许直接
memmap
matfile，这将非常有用。这可能因为压缩而变得困难。
解决问题的方法可能是内存映射io（matlab支持）

其中一个文件映射到内存，对该内存地址的所有读/写实际上都是对该文件的读/写

这只保留/阻塞内存地址，不消耗物理内存

然而，我只建议使用64位matlab，因为使用32位matlab时，地址空间不够大，无法使用ram进行数据、matlab和DLL代码以及内存映射io

查看
memmapfile（）
文档页面的示例，例如

m = memmapfile('records.dat',    ...
           'Offset', 1024,   ...
           'Format', {'uint32' [4 10 18] 'x'});

A = m.Data(1).x;

whos A
   Name      Size                     Bytes  Class

   A        4x10x18                   2880   uint32 array

请注意，对
m.Data（1）.x的访问将重定向到文件IO，即不消耗内存。因此，它提供了对驻留在磁盘上的可能非常大的数据文件的有效随机访问。还要注意，可以实现示例中更复杂的数据结构

在我看来，这提供了您心目中的“对象实现”

不幸的是，这不允许直接
memmap
matfile，这将非常有用。这可能因为压缩而困难。
可能与r有关