Question

如果我创建一个包含1000个矩阵的单元格（每个矩阵800 * 1280的大小），使用它后清除每个矩阵会加快计算速度吗？

实施例

 A=cell(1000,1);
  for i=1:1000
      A{i}=rand(800,1280);
  end
  image=A{1};
  image2=A{2}; % I will use image and image2 with other functions
  A{1}=[];
  A{2}=[];

修改

细胞的真实用途如下：

A=cell(1000,1);
parfor i=1:1000
    A{i}=function_that_creates_image(800,1280); % image with size 800*1280 px
end
for i=1:number_of_images   % number_of_images=1000 in this case
image1=A{1};
    image2=A{2};
    A{1}=[];
    A{2}=[];
    % image1 and image 2 will be used then in the next lines
    %next lines of code
end

我注意到在parfor循环中计算A的组件比计算for

中每个循环的每个组件要快

Answer 1

如果您想使用更少的内存并加快计算速度，那么避免使用单元格会更明智。幸运的是，在你的情况下它非常简单，因为你的所有矩阵都是相同的大小，所以你可以使用ND阵列。

A = zeros(800,1280,1000);
for k = 1:size(A,3)
   A(:,:,k) = function_that_creates_image(800,1280);
end
image = A(:,:,1);
image2 = A(:,:,2); % I will use image and image2 with other functions

编辑：

如果您想进一步处理每个图像，我会将它们保存到parfor内的文件中，因此在第一个循环结束时您将有1000个.mat文件：

parfor k = 1:number_of_images
   A = function_that_creates_image(800,1280);
   save(['images_dir\image' num2str(k) '.mat'],'A');
end

然后您可以根据需要加载它们以使用load处理：

for k = 1:number_of_images-1
    image1 = load(['images_dir\image' num2str(k) '.mat']);
    image2 = load(['images_dir\image' num2str(k+1) '.mat'];
    % do what you want with those images...
end

这样，每次只能在内存中保留2张图像，在下一次迭代中，它们将被下一张图像替换。

Answer 2

如果你把所有内容都装在内存中（你需要至少16GB才能保存数据并对其中的一部分做一些工作，同时你应该拥有32GB的全部野兽），清除这些赢得的内容。改变一切。如果你不这样做，我会假设/希望Matlab和Windows足够聪明，可以优化哪个块保存在内存中，哪个块放在磁盘上，所以再次删除不会有帮助。但你可能不想依赖它。

您可以做的是拥有A{i} = 'path-to-file';，然后在需要时将其加载到内存中。为什么你甚至需要先加载所有图像，然后逐个进行处理？只需在循环中拥有image1 = rand(...);，image2 = rand(...);并重用这些image1和image2，内存就会好得多。甚至不需要A。

通常，如果您希望同时拥有大量数据，则高阵列是您应该使用的内存友好型解决方案。 https://www.mathworks.com/help/matlab/tall-arrays.html

善用记忆力

2 个答案: