Question

在Matlab中，我使用“ndgrid”来创建一个6D矩阵。这是代码：

for i=1:3
    dd{i}=[0 0 0 0 0 0 0 1 1 1 1 1];
    ss{i}=[0 0 0 0 0 0 1 1 1 1 1 1];
end 
[D1 D2 D3 S1 S2 S3] = ndgrid(dd{1},dd{2},dd{3},ss{1},ss{2},ss{3});
out = D1.*S1.*D2.*S2.*D3.*S3;

我遇到的问题是虽然我有足够的内存来存储一个或两个6-D矩阵，但我没有足够的内存来存储所有6个矩阵：

[D1 D2 D3 S1 S2 S3]

如您所见，矩阵D1，D2 ......和“out”本质上是稀疏的，但Matlab中的“稀疏”功能不适用于多维数组。我在Matlab中搜索了其他“网格”功能，但我找不到“网格”功能，这有助于我避免计算D1，D2等的中间步骤。

一般来说，我想允许dd {1}与dd {2}不同。另外，我发布的这个6-D案例并没有占用太多内存，但8-D案例确实存在，这是我遇到问题的地方。

非常感谢在这种情况下更有效地使用内存的任何帮助。

Answer 1

这是一个循环几乎肯定会更快（并且适合！）的情况，因为你受内存限制。只需使用6（或8）个嵌套for循环，然后逐个删除out的每个元素。使用嵌套循环索引直接引用源向量，并确保将正确的索引与正确的向量匹配。这将仅限制输出数组的最大大小。

使用新想法进行编辑：

哦，我只是想到bsxfun，它会做正确的事情，除了它只接受两个参数。它基本上可以在任何单例维度上复制。成对嵌套bsxfun调用将毫无意义，因为中间结果将回到完整大小。但这是将你的维度减少一半的好方法，这对于权力术语来说是一个大问题：

[D1 D2 D3] = ndgrid(dd{1},dd{2},dd{3});
[S1 S2 S3] = ndgrid(ss{1},ss{2},ss{3});
out = bsxfun(@times, D1.*D2.*D3, reshape(S1.*S2.*S3, [1 1 1 12 12 12]));

显然，12s必须由动态尺寸取代。现在，代替D * N ^ D元素，您只需要D * N ^（D / 2）。在你恢复到14或16维之前，你不会有记忆问题。

Answer 2

编辑：我已经找到了一种方法，可以使用线性索引很好地快速完成。

out=D1(:) %Initialize out to give it the right dimensions, bit ugly perhaps

out(:) = D1(:).*S1(:).*D2(:).*S2(:).*D3(:).*S3(:);

ndgrid的内存问题

2 个答案: