Menggunakan hyperparameters

Anda dapat menentukan hiperparameter yang dibutuhkan oleh algoritme Anda, seperti tingkat pembelajaran atau ukuran langkah, saat Anda membuat pekerjaan hibrida. Nilai hyperparameter biasanya digunakan untuk mengontrol berbagai aspek algoritma, dan sering dapat disetel untuk mengoptimalkan kinerja algoritma. Untuk menggunakan hyperparameters dalam pekerjaan hybrid Braket, Anda perlu menentukan nama dan nilainya secara eksplisit sebagai kamus. Tentukan nilai hyperparameter yang akan diuji saat mencari set nilai optimal. Langkah pertama untuk menggunakan hyperparameters adalah mengatur dan mendefinisikan hyperparameters sebagai kamus, yang dapat dilihat pada kode berikut.

from braket.devices import Devices

device_arn = Devices.Amazon.SV1

hyperparameters = {"shots": 1_000}

Kemudian berikan hyperparameters yang didefinisikan dalam cuplikan kode yang diberikan di atas untuk digunakan dalam algoritma pilihan Anda. Untuk menjalankan contoh kode berikut, buat direktori bernama “src” di jalur yang sama dengan file hyperparameter Anda. Di dalam direktori “src”, tambahkan file kode 0_getting_started_papermill.ipynb, notebook_runner.py, dan requirements.txt.

import time
from braket.aws import AwsQuantumJob

job = AwsQuantumJob.create(
    device=device_arn,
    source_module="src",
    entry_point="src.notebook_runner:run_notebook",
    input_data="src/0_Getting_started_papermill.ipynb",
    hyperparameters=hyperparameters,
    job_name=f"papermill-job-demo-{int(time.time())}",
)

# Print job to record the ARN
print(job)

Untuk mengakses hyperparameters Anda dari dalam skrip pekerjaan hybrid Anda, lihat load_jobs_hyperparams() fungsi dalam file python notebook_runner.py. Untuk mengakses hyperparameters Anda di luar skrip pekerjaan hybrid Anda, jalankan kode berikut.

from braket.aws import AwsQuantumJob

# Get the job using the ARN
job_arn = "arn:aws:braket:us-east-1:111122223333:job/5eabb790-d3ff-47cc-98ed-b4025e9e296f"  # Replace with your job ARN
job = AwsQuantumJob(arn=job_arn)

# Access the hyperparameters
job_metadata = job.metadata()
hyperparameters = job_metadata.get("hyperParameters", {})
print(hyperparameters)

Untuk informasi lebih lanjut tentang mempelajari cara menggunakan hyperparamters, lihat QAOA dengan Amazon Braket Hybrid Jobs dan PennyLane dan Quantum machine learning di Amazon Braket Hybrid Jobs tutorial.