很全的內容，所以整理、方便以後查看
-----------------------------------------------------------------------------------------------------------------------------------------------------------------
一、利用clear清除內存時，要用pack函數進行內存整理
Matlab在運行大數據時，會出現Out of Memory，在程序中加入clear不需要的變量，能否解決Out of Memory問題。
答案是或許可以，或許不可以。
原因：清除變量或者給該變量重新賦值只是釋放了該變量先前分配的內存塊，由於matlab是分連續塊分配內存給變量，所以如果清除的這個內存空間不一定可以用上，比如，一個蘿蔔一個坑，爲了騰出更多的坑，把不用的蘿蔔拔掉，然而如果來一個比較大的蘿蔔，先前的坑不一定能夠容的下，仍然會出現Out of Memory的問題，這個時候最好用pack函數，把騰出的內存空間重新整理成連續的塊，這樣如果後面有較大內存佔用的變量，滿足內存使用的概率較大。
附pack函數的說明：
用法：
pack
pack filename
pack('filename')
pack可以爲用戶整理內存的機制在於，pack函數重新整理MATLAB工作空間中駐留的變量，將原來斷斷續續的內存整理的連續起來，這樣原來斷斷續續的內存可能不足以存儲大的矩陣，而整理之後，可以很顯著的提高內存的使用效率。
整理步驟：
（1）將base空間以及全局變量保存到一個mat文件
（2）清空工作空間中的所有資源
（3）重新載入mat文件中保存的base空間變量和全局變量，然後刪掉mat文件
這樣一來，重新分配的空間將是連續的，避免掉原來斷斷續續的內存使用。
注意：pack不能提高MATLAB所擁有的虛擬內存數量，如果想要增加這個數量，也就是使MATLAB單獨變量的最大size或者同時存在的變量所佔有的最大空間增大，需要提高系統的虛擬內存。
-----------------------------------------------------------------------------------------------------------------------------------------------------------------
二、查詢matlab內存使用，計算要處理的數據大小
利用命令feature('memstats')或者system_dependent memstats來查看內存大小；
瞭解自己matlab內存狀況後，然後計算下自己要處理的數據容量大小，字節/1024/1024轉換爲MB來看更方便；
-----------------------------------------------------------------------------------------------------------------------------------------------------------------
三、matlab內存管理
Matlab 程序跳出“Out of Memory” 時，以下幾點措施是需要優先考慮的解決方法：
1. 升級內存
2. 升級64位系統
3. 增加虛擬內存
4. 採用3GB開關啓動系統
由於32位 Windows 操作系統的限制，每個進程只能使用最多 2GB 的虛擬內存地址空間，因此 Matlab 的可分配內存也受到相應的限制。Matlab 7.0.1 引進了新的內存管理機制，可以利用 Windows 的 3GB 開關，使用 3GB 開關啓動的 Windows 每個進程可以在多分配 1 GB 的虛擬地址空間。
具體做法是：修改C盤根目錄 boot.ini 啓動選項加上 /3G，
例如：
multi(0)disk(0)rdisk(0)partition(1)\WINDOWS="Microsoft Windows XP Professional" /noexecute=optin /fastdetect /3G
5. 如果必有必要，不要啓動java虛擬機，採用matlab -nojvm啓動
（在快捷方式屬性裏面的 "..../matlab.exe"） 改爲（"...../matlab.exe" - nojvm）
6. 關閉Matlab Server
控制面板-管理工具-服務， 再找到matlabserver對應項，把啓動類型的自動改爲手動即可
matlab server作爲後臺服務可以在其它機器上通過網絡調用此服務，進行計算任務。
7. Windows中字體、窗口等都是要佔用系統資源的，所以在Matlab運行時儘量不要打開不用的窗口。
-----------------------------------------------------------------------------------------------------------------------------------------------------------------
除此以外，更關鍵的是需要弄清楚以下幾個問題：
問題一：Matlab是如何存儲矩陣的？
Matlab中矩陣是以Block，也就是塊的形式存儲的。也就是說，當Matlab在爲即將存儲的矩陣劃分塊時，如果沒有相應大小的連續內存，即使實際內存沒有被完全使用，它還是會報告“Out of Memory”。
問題二：如何高效實用Memory?
Matlab 中數組必須佔用連續分配的內存段，當無法爲新建的數組分配連續的內存段的時候，”Out of Memory” 就會出現。在使用的過程中，由於存儲單元的不斷的被分配和清除，反覆分配和釋放數組會使內存被分割成不連續的區域，可用的連續內存段減少，很容易造成“Out of Memory”。因此當 Matlab 剛剛啓動時其連續內存最多，此時往往可以新建非常大的數組，這一點可以用命令feature(’memstats’)（在 7.0 版本以上）看出。如果現實的最大連續內存段很小，但實際可用內存（非連續的）仍舊很多，則表明內存中碎片太多了。此時可以考慮用 pack 命令，pack 命令的作用就是將所有內存中的數組寫入硬盤，然後重新建立這些數組，以減少內存碎片。此外，在命令行或者程序中都可以使用 clear 命令，隨時減少不必要的內存。
因此，治本的方法如下：
1. 在命令行輸入 pack 整理內存空間
當內存被分爲很多碎片以後，其實本身可能有很大的空間，只是沒有作構的連續空間即大的Block而已。如果此時Out of Memory，此時使用pack命令可以很好的解決此問題。
2. 使用稀疏矩陣或將矩陣轉化成稀疏形式 sparse
如果矩陣中有大量的0，最好存儲成稀疏形式。稀疏形式的矩陣使用內存更少，執行時間更短。例如：
000×1000的矩陣X，它2/3的元素爲0，使用兩種存儲方法的比較：
Name X Y
Size 1000x1000 1000x1000
Bytes 8000000 4004000
Class double array double array (sparse)
3. 儘量避免產生大的瞬時變量，把沒必要的變量clear掉或當它們不用的時候應該及時clear。
4. 減少變量，儘量的重複使用變量（跟不用的clear掉一個意思）。
5. 把有用的變量先save，後clear 掉，需要時再讀出來。
下面介紹一下關於clear、save、load的特殊用法，這對在for或while等多重循環裏出現out of memory非常有效。
for k = 1:N % N爲循環次數
% ---------------------
var0 = k; % 獲得變量var0
%----------------------
string = [sprintf('var_%d', k) ' = var0;' ];
eval_r(string); % 等價於 var_k = var0;
save(sprintf('var_%d.mat', k), sprintf('var_%d')); % 等價於 save var_k.mat var_k
clear(sprintf('var_%d')); % 等價於 clear var_k
end
如果要讀取剛纔存取的變量var_k, (k = 1,2, ..., N). 那麼，可以使用如下用法：
for k = 1:N
load(sprintf('var_%d.mat', k)); % 等價於 load var_k.mat k = 1,2, ..., N
end
另外，還有一些非常有用的用法。如果用清除剛纔讀取的變量 var_k, k = 1, 2, ..., N
clear '-regexp' '^var_' % 清除所有以“ var_ ”開頭的變量
還有很多關於save、clear、load等用法，具體help一下。
6. 使用單精度 single 短整數替代雙精度 double
Matlab 默認的數字類型是雙精度浮點數 (double)，每個雙浮點數佔用 8 個字節。對於一些整數操作來說，使用雙浮點數顯得很浪費。在 Matlab 中可以在預先分配數組時指定使用的數字類型如以下命令：zero(10, 10, ‘uint8′) 。對於浮點數，在很多精度要求不高的情況下，可以使用4個字節的單浮點數 (single)，可以減少一半的內存。關於單、雙浮點數的精度對照如下，以便根據需要選擇使用：
single: 精度 (1.1921e-007) 最大數 (3.4028e+038)
double: 精度 (2.2204e-016) 最大數 (1.7977e+308)
7. 爲矩陣變量預製內存而不是動態分配
在動態分配的過程中，由於開始Matlab所用的Block隨着矩陣的增大而連續的爲此矩陣分配內存，但是由於Block的不連續性，很有可能最開始分配的Block不能滿足存儲的需要，Matlab只好移動此Block以找到更大的Block來存儲，這樣在移動的過程中不但佔用了大量的時間，而且很有可能它找不到更大的塊，導致Out of Memory。而當你爲矩陣變量預製內存時，Matlab會在計算開始前一次性找到最合適的Block，此時就不用爲變量連續的分配內存。比較下面兩個程序：
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
顯然，第二個更好！！！最好的方法是，在程序一開始就位所有大的矩陣變量預製存存儲單元！！！
8. 儘量早的爲大的矩陣變量預製內存
Matlab使用heap method管理內存。當在Matlab heap中沒有足夠的內存使用時，它會向系統請求內存。但是隻要內存碎片可以存下當前的變量，Matlab會重新使用內存。比如：
a = rand(1e6,1);
b = rand(1e6,1);
使用大約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
Matlab不能使用a、b被clear的空間，因爲它們均小於2.1 MB，而同時它們也很可能是不連續的。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
9. 如果可行的話，將一個大的矩陣劃分爲幾個小的矩陣，這樣每一次使用的內存減少。
------------------------------------------------------------------------------------------------------------------------------------------------------
分享！
內容整理自很多地方！