本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 查看超参数
<a name="braket-jobs-hyperparameters"></a>

创建混合作业时，您可以定义算法所需的超参数，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设置超参数并将其定义为字典，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}
```

然后传递上面给出的代码片段中定义的超参数，以便在您选择的算法中使用。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.ipynb](https://github.com/amazon-braket/amazon-braket-examples/blob/main/examples/hybrid_jobs/7_Running_notebooks_as_hybrid_jobs/src/0_Getting_started_papermill.ipynb)、[notebook\_runner.py](https://github.com/amazon-braket/amazon-braket-examples/blob/main/examples/hybrid_jobs/7_Running_notebooks_as_hybrid_jobs/src/notebook_runner.py) 和 [requirements.txt](https://github.com/amazon-braket/amazon-braket-examples/blob/main/examples/hybrid_jobs/7_Running_notebooks_as_hybrid_jobs/src/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](https://github.com/amazon-braket/amazon-braket-examples/blob/main/examples/hybrid_jobs/7_Running_notebooks_as_hybrid_jobs/src/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](https://github.com/amazon-braket/amazon-braket-examples/blob/main/examples/hybrid_jobs/2_Using_PennyLane_with_Braket_Hybrid_Jobs/Using_PennyLane_with_Braket_Hybrid_Jobs.ipynb) [Quantum 机器学习](https://github.com/amazon-braket/amazon-braket-examples/blob/main/examples/hybrid_jobs/1_Quantum_machine_learning_in_Amazon_Braket_Hybrid_Jobs/Quantum_machine_learning_in_Amazon_Braket_Hybrid_Jobs.ipynb)。