通过memory和whos可以看到当前系统的内存使用情况和每个变量所占用的内存，例如：
K>> memory
Maximum possiblearray: 7414 MB (7.774e+009 bytes) *
Memory availableforall arrays: 7414 MB (7.774e+009 bytes) *
Memory used by MATLAB: 2433 MB (2.552e+009 bytes)
Physical Memory (RAM): 5823 MB (6.106e+009 bytes)
* Limited by System Memory (physical + swapfile) available.
可以看到本地机器的物理内存RAM有将近6G，最大可能内存7G左右，目前已经被Matlab使用的内存有2G多，通过whos指令可以知道有那些变量占用的内存比较大：
K>> whos
Name Size Bytes Class Attributes
temp_instance_2 20229×10059 1627868088 double
temp_instance_3 20229×10059 2095424 double sparse
train_data 1×10059 86199419struct
可以看到同样20139*10059的矩阵，double型的full矩阵要占用1.6G左右的内存，double型的sparse矩阵只占用了2M左右内存。
在运算速度方面 tic,toc来知道每段代码的执行时间。但要知道每条语句的详细运行情况的话，非profile莫属。先运行profile on，再运行需要测试的代码，然后使用profile viewer来查看报告。
Sparse矩阵在指定下标的循环运算中不占优势。但是，当一个矩阵中有大量的0时就一定要采用sparse型进行运算，不只大大减少内存会消耗，而且时间消耗也会大大减少。注意，一般Sparse矩阵运算如sum, diag等之后还是sparse矩阵，而当sparse矩阵和full矩阵一起参加运算时，结果会被强制转为full矩阵。要注意，当一个矩阵并不是很稀疏时尽量不要采用sparse方式存储，不便于矩阵运算，对于一些矩阵操作，如求矩阵转置等操作会变得异常异常的慢！
下面是一个2W*2W的double型全1矩阵full型和sparse型的占内存情况：
>> A = ones(20229,20229);
>> whos
Name Size Bytes Class Attributes
A 20229×20229 3273699528 double
>> A = sparse(A);
>> whos
Name Size Bytes Class Attributes
A 20229×20229 6547560896 double sparse
在Matlab中一定要尽量避免矩阵的for循环元素，如果遇到一定是无法避免的情况是，考虑采用bsxfun来取代for，bsxfun的使用格式和范围有：
C = bsxfun(fun,A,B) appliesthe element-by-element binary operation specified by the function handle fun to arrays AandB,with singleton expansion enabled.fun can be one of the following built-infunctions:
@plus Plus
@minus Minus
@times Array multiply
@rdivide Rightarraydivide
@ldivide Leftarraydivide
@power Array power
@maxBinary maximum
@minBinary minimum
@rem Remainder after division
@mod Modulus after division
@atan2 Four quadrant inverse tangent
@hypot Square root ofsumof squares
@eq Equal
@ne Not equal
@lt Less than
@le Less thanorequal to
@gt Greater than
@ge Greater thanorequal to
@andElement-wise logical AND
@orElement-wise logical OR
@xor Logical exclusive OR