使用超参数

创建混合作业时，您可以定义算法所需的超参数，例如学习率或步长。超参数值通常用于控制算法的各个方面，并且通常可以对其进行调整以优化算法的性能。要在 Braket 混合作业中使用超参数，您需要将其名称和值明确指定为字典。指定搜索最优值集时要测试的超参数值。使用超参数的第一步是将超参数设置并定义为字典，这可以在以下代码中看到。

from braket.devices import Devices

device_arn = Devices.Amazon.SV1

hyperparameters = {"shots": 1_000}

然后将上面给出的代码片段中定义的超参数传递给您选择的算法。要运行以下代码示例，请在与超参数文件相同的路径中创建一个名为 “src” 的目录。在 “src” 目录中，添加 0_getting_started_papermill.iPyn b、notebook_runner.py 和 requirements.txt 代码文件。

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)

要从混合作业脚本中访问您的超参数，请参阅 notebook_runner.py python 文件中的load_jobs_hyperparams()函数。要在混合作业脚本之外访问您的超参数，请运行以下代码。

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)

有关学习如何使用超参数的更多信息，请参阅 Amazon Braket Hybrid Jobs 教程中的 QAOA 和 Amazon Braket Hybrid Jobs 教程中的 QAOA PennyLane 和 Quantum 机器学习。