SPAMS 是一個爲解決各種稀疏估計問題的開源優化工具箱，http://spamsdevel.gforge.inria.fr/index.html ，簡單介紹下功能：字典學習與矩陣分解，解決稀疏分解，解決結構化稀疏分解問題。
由於這個工具箱給出的是c++代碼，所以需要編譯才能最終使用。也正因爲如此，這個工具箱實現的算法在執行時是很快的，而且可以移植到各種平臺使用。這個工具箱網上很多人有提到，都說編譯時出現問題，我的電腦也不例外，下面稍微總結一下它的安裝及使用情況。
我的電腦環境：win7 64位，matlab2012b,VS2013
對於安裝，下載安裝包，解壓到一個文件夾，如下圖，解壓後有不少文件、文件夾，其中的doc_spams.pdf是一個詳盡的使用說明，介紹了各個函數接口如何使用（每個函數都有一個測試文件供測試，在test_release文件夾中）。在HOW_TO_INSTALL.txt中有簡單說明，囉嗦了半天就是說使用compile.m進行文件編譯，對於不同的計算機，配置都在這個文件中調整，所以使用matlab打開compile.m文件，前130行是用來做配置的，作者也很貼心啊，第131、132行有如下提示，意思就是130行以後，不懂不要亂動。
第一步：導入matlab—set
path
執行命令:mex -setup
第二步：修改compile.m
以下是截圖，大家對應自己的來。
保存compile.m文件。
按上面的過程配置好後，運行compile.m，執行編譯。編譯過程順利完成，那恭喜你有一臺好電腦；如果出錯，也恭喜你，和我的情況一樣。我的出錯提示是說mexStochasticProx.cpp文件編譯時失敗，然後是給出失敗的各種錯誤用法。對此網上找了半天沒找到好的解決辦法，所以折中的辦法就是不編譯這些不知道哪裏出問題的文件，其實這些文件也不常用（因爲對我而言，根本不知道這個函數是幹啥的）。個人感覺這個工具箱好的地方也在此，一個文件對應一個函數接口，一個文件不編譯，對其他函數接口無影響（貌似是這樣）。如何不編譯呢？就是在compile.m中找到相應行註釋掉，如我的電腦上mexStochasticProx.cpp編譯失敗，那就把它註釋掉。另外還出錯了這三個，也註釋掉。
% '-I./linalg/ -I./prox/ prox/mex/mexGroupStructOfString.cpp',
% '-I./linalg/ -I./prox/ prox/mex/mexReadGroupStruct.cpp',
% '-I./linalg/ -I./prox/ prox/mex/mexSimpleGroupTree.cpp',
編譯完沒再出錯，就可以使用了。 另外，真正使用時，調用工具箱函數可能會報錯，說函數無法執行之類，這是因爲，compile.m文件的最後把src_release文件夾中各函數接口的幫助文件（與函數同名，裏面全是註釋，作爲幫助信息）也拷貝到了build文件夾中，由於.m文件和.mexw32同名，matlab可能去執行.m文件去了（一般是優先執行.mexw32文件的，可能跟matlab版本有關，執行優先級不同）。所以報錯就可以把build文件夾中與.mexw32同名的.m文件直接刪掉，沒報則不用管。
測試
% test_TrainDL_GJ.m：測試mexTrainDL函數
clc
clear
close all
I=double(imread('./data/lena.png'))/255;
I = imresize(I, 0.25); % 圖片太大，運行時間過長，所以縮放一下
X=im2col(I,[8 8],'sliding'); % extract 8 x 8 patches
X=X-repmat(mean(X),[size(X,1) 1]); % 減均值
X=X ./ repmat(sqrt(sum(X.^2)),[size(X,1) 1]); % 標準化
param.K=256; % learns a dictionary with 100 elements
param.lambda=0.15;
param.numThreads=-1; % number of threads
param.batchsize=400;
param.verbose=false;
param.iter=100; % 迭代次數，原始是1000，效果好但時間過長，這裏減爲100
tic
D = mexTrainDL(X,param);
t=toc;
fprintf('time of computation for Dictionary Learning: %f\n',t);
fprintf('Evaluating cost function...\n');
alpha=mexLasso(X,D,param);
R=mean(0.5*sum((X-D*alpha).^2)+param.lambda*sum(abs(alpha)));
ImD=displayPatches(D);
imagesc(ImD);
colormap('gray');
fprintf('objective function: %f\n',R);
