MATLAB에서 PyTorch 및 EvoX로의 전환

MATLAB에서 PyTorch 및 EvoX로의 전환

이 문서는 MATLAB 사용자가 진화 연산을 위해 PyTorch와 EvoX로 전환하는 것을 안내하는 것을 목표로 합니다. 구문, 데이터 구조 및 워크플로우 측면에서 MATLAB과 PyTorch 간의 핵심 차이점을 강조합니다. 그런 다음 MATLAB과 PyTorch 모두에서 입자 군집 최적화(PSO) 예제를 사용하여 이러한 차이점을 설명합니다.

구문 차이

배열 생성 및 인덱싱

MATLAB

1 기반 인덱싱을 사용합니다.
벡터와 행렬은 대괄호와 세미콜론을 사용하여 선언합니다(예: [1 2 3; 4 5 6]). rand()를 사용한 랜덤 초기화는 $[0, 1)$ 구간의 값을 반환합니다.
슬라이싱은 (start:end) 구문을 사용하며 1 기반 인덱싱을 활용합니다.

PyTorch

0 기반 인덱싱을 사용합니다.
배열(텐서)은 일반적으로 torch.rand(), torch.zeros() 같은 생성자를 사용하거나 Python 리스트를 torch.tensor()로 변환하여 생성합니다.
슬라이싱은 0 기반 인덱스와 함께 [start:end]를 사용합니다.

행렬 계산

MATLAB

*로 선형 대수 행렬 곱셈을 수행합니다.
.*를 사용하여 같은 크기의 행렬의 대응하는 요소를 곱합니다.
/는 행렬 우측 나눗셈을 나타냅니다.
.^는 요소별 거듭제곱을 나타냅니다.
길이가 1인 텐서의 후행 및 선행 차원은 무시됩니다.
요소별 연산을 위해 브로드캐스트 가능한 차원을 자동으로 찾고 암시적 차원 확장을 수행합니다.

PyTorch

@ 또는 torch.matmul()로 선형 대수 행렬 곱셈을 수행합니다.
*를 직접 사용하여 같은 형태 또는 브로드캐스트 가능한 형태의 텐서의 대응하는 요소를 곱합니다.
/는 요소별 나눗셈을 나타냅니다.
**는 요소별 거듭제곱을 나타냅니다.
길이가 1인 텐서의 차원은 보존되며 브로드캐스트 차원으로 취급됩니다.
대부분의 암시적 차원 확장을 방지하며, 브로드캐스트 차원이 일반적으로 필요합니다.

함수와 정의

MATLAB

function 키워드로 함수를 정의합니다.
파일에 여러 함수를 포함할 수 있지만, 일반적으로 주 함수는 파일 이름을 공유합니다.
익명 함수(예: @(x) sum(x.^2))는 짧은 인라인 계산에 사용됩니다.

PyTorch

def 키워드를 사용하여 함수를 정의하며, 일반적으로 단일 .py 파일 또는 모듈 내에서 정의합니다.
클래스는 객체 지향 방식으로 데이터와 메서드를 캡슐화하는 데 사용됩니다.
람다는 짧은 익명 함수(lambda x: x.sum())로 사용되지만, 여러 줄 람다는 허용되지 않습니다.

제어 흐름

MATLAB

for i = 1:N … end 루프를 1 기반 인덱싱과 함께 사용합니다.
if, elseif, else와 같은 조건문.

PyTorch

for i in range(N):을 0 기반 인덱싱과 함께 사용합니다.
들여쓰기가 루프와 조건문의 범위 지정에 중요합니다(end 키워드 없음).

출력과 주석

MATLAB

형식화된 출력에 fprintf() 함수를 사용합니다.
한 줄 주석에 %를 사용합니다.

PyTorch

형식화된 출력에 f-string과 함께 print를 사용합니다.
한 줄 주석에 #을 사용합니다.

여러 줄 코딩

MATLAB

줄 끝에 ...를 사용하여 다음 줄이 같은 줄로 취급되어야 함을 나타냅니다.

Python

줄 끝에 \를 사용하여 다음 줄이 같은 줄로 취급되어야 함을 나타냅니다.
여러 줄이 괄호 안에 있는 경우 특별한 후행 기호가 필요하지 않습니다.

← 문서로 돌아가기