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。請注意，這些值必須是字串資料類型。您可以在搜尋最佳值集時指定要測試的超參數值。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：

# Defining the number of qubits used
n_qubits = 8
# Defining the number of layers used
n_layers = 10
# Defining the number of iterations used for your optimization algorithm
n_iterations = 10

hyperparams = {
    "n_qubits": n_qubits, 
    "n_layers": n_layers, 
    "n_iterations": n_iterations
}

然後，您將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，如下所示：

import time
from braket.aws import AwsQuantumJob

# Name your job so that it can be later identified
job_name = f"qcbm-gaussian-training-{n_qubits}-{n_layers}-" + str(int(time.time()))

job = AwsQuantumJob.create(
    # Run this hybrid job on the SV1 simulator
    device="arn:aws:braket:::device/quantum-simulator/amazon/sv1",
    # The directory or single file containing the code to run.
    source_module="qcbm",
    # The main script or function the job will run.
    entry_point="qcbm.qcbm_job:main",
    # Set the job_name
    job_name=job_name,
    # Set the hyperparameters
    hyperparameters=hyperparams,
    # Define the file that contains the input data
    input_data="data.npy", # Or input_data=s3_path
    # wait_until_complete=False,
)

然後，超參數會使用下列程式碼載入混合任務指令碼：

import json
import os

# Load the Hybrid Job hyperparameters
hp_file = os.environ["AMZN_BRAKET_HP_FILE"]
with open(hp_file, "r") as f:
    hyperparams = json.load(f)

在 Amazon Braket Hybrid Jobs 教學課程中，QAOA 會針對如何使用超參數，以及 PennyLane 和 Quantum Machine Learning Amazon Braket 提供幾個非常實用的指南。