使用超參數

您可以在建立混合任務時定義演算法所需的超參數，例如學習速率或步進大小。超參數值通常用於控制演算法的各個層面，並且通常可以進行調校以最佳化演算法的效能。若要在 Braket 混合任務中使用超參數，您需要將其名稱和值明確指定為字典。指定在搜尋最佳值集時要測試的超參數值。使用超參數的第一步是將超參數設定為字典並將其定義為字典，如下列程式碼所示。

from braket.devices import Devices

device_arn = Devices.Amazon.SV1

hyperparameters = {"shots": 1_000}

然後傳遞上述程式碼片段中定義的超參數，以便在您選擇的演算法中使用。若要執行下列程式碼範例，請在與超參數檔案相同的路徑中建立名為「src」的目錄。在 "src" 目錄內，新增 0_Getting_started_papermill.ipynb、bookbook_runner.py 和 requirements.txt 程式碼檔案。

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)

若要從混合任務指令碼中存取超參數，請參閱 notebook_runner.py python 檔案中的 load_jobs_hyperparams()函數。若要在混合任務指令碼之外存取超參數，請執行下列程式碼。

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)

如需了解如何使用超參數的詳細資訊，請參閱 Amazon Braket 混合任務教學中的 QAOA 和 Amazon Braket 混合任務以及 PennyLane 和 Quantum 機器學習。 Amazon Braket