SPAMS 是一个为解决各种稀疏估计问题的开源优化工具箱，http://spamsdevel.gforge.inria.fr/index.html ，简单介绍下功能：字典学习与矩阵分解，解决稀疏分解，解决结构化稀疏分解问题。
由于这个工具箱给出的是c++代码，所以需要编译才能最终使用。也正因为如此，这个工具箱实现的算法在执行时是很快的，而且可以移植到各种平台使用。这个工具箱网上很多人有提到，都说编译时出现问题，我的电脑也不例外，下面稍微总结一下它的安装及使用情况。
我的电脑环境：win7 64位，matlab2012b,VS2013
对于安装，下载安装包，解压到一个文件夹，如下图，解压后有不少文件、文件夹，其中的doc_spams.pdf是一个详尽的使用说明，介绍了各个函数接口如何使用（每个函数都有一个测试文件供测试，在test_release文件夹中）。在HOW_TO_INSTALL.txt中有简单说明，啰嗦了半天就是说使用compile.m进行文件编译，对于不同的计算机，配置都在这个文件中调整，所以使用matlab打开compile.m文件，前130行是用来做配置的，作者也很贴心啊，第131、132行有如下提示，意思就是130行以后，不懂不要乱动。
第一步：导入matlab—set
path
执行命令:mex -setup
第二步：修改compile.m
以下是截图，大家对应自己的来。
保存compile.m文件。
按上面的过程配置好后，运行compile.m，执行编译。编译过程顺利完成，那恭喜你有一台好电脑；如果出错，也恭喜你，和我的情况一样。我的出错提示是说mexStochasticProx.cpp文件编译时失败，然后是给出失败的各种错误用法。对此网上找了半天没找到好的解决办法，所以折中的办法就是不编译这些不知道哪里出问题的文件，其实这些文件也不常用（因为对我而言，根本不知道这个函数是干啥的）。个人感觉这个工具箱好的地方也在此，一个文件对应一个函数接口，一个文件不编译，对其他函数接口无影响（貌似是这样）。如何不编译呢？就是在compile.m中找到相应行注释掉，如我的电脑上mexStochasticProx.cpp编译失败，那就把它注释掉。另外还出错了这三个，也注释掉。
% '-I./linalg/ -I./prox/ prox/mex/mexGroupStructOfString.cpp',
% '-I./linalg/ -I./prox/ prox/mex/mexReadGroupStruct.cpp',
% '-I./linalg/ -I./prox/ prox/mex/mexSimpleGroupTree.cpp',
编译完没再出错，就可以使用了。 另外，真正使用时，调用工具箱函数可能会报错，说函数无法执行之类，这是因为，compile.m文件的最后把src_release文件夹中各函数接口的帮助文件（与函数同名，里面全是注释，作为帮助信息）也拷贝到了build文件夹中，由于.m文件和.mexw32同名，matlab可能去执行.m文件去了（一般是优先执行.mexw32文件的，可能跟matlab版本有关，执行优先级不同）。所以报错就可以把build文件夹中与.mexw32同名的.m文件直接删掉，没报则不用管。
测试
% test_TrainDL_GJ.m：测试mexTrainDL函数
clc
clear
close all
I=double(imread('./data/lena.png'))/255;
I = imresize(I, 0.25); % 图片太大，运行时间过长，所以缩放一下
X=im2col(I,[8 8],'sliding'); % extract 8 x 8 patches
X=X-repmat(mean(X),[size(X,1) 1]); % 减均值
X=X ./ repmat(sqrt(sum(X.^2)),[size(X,1) 1]); % 标准化
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; % 迭代次数，原始是1000，效果好但时间过长，这里减为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);
