Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

# Verwendung von Hyperparametern
<a name="braket-jobs-hyperparameters"></a>

Sie können Hyperparameter definieren, die für Ihren Algorithmus benötigt werden, z. B. die Lernrate oder die Schrittgröße, wenn Sie einen Hybridjob erstellen. Hyperparameterwerte werden in der Regel verwendet, um verschiedene Aspekte des Algorithmus zu steuern. Sie können häufig angepasst werden, um die Leistung des Algorithmus zu optimieren. Um Hyperparameter in einem Braket-Hybrid-Job zu verwenden, müssen Sie ihre Namen und Werte explizit als Wörterbuch angeben. Geben Sie die Hyperparameterwerte an, die bei der Suche nach dem optimalen Wertesatz getestet werden sollen. Der erste Schritt zur Verwendung von Hyperparametern besteht darin, die Hyperparameter als Wörterbuch einzurichten und zu definieren. Dies ist im folgenden Code zu sehen.

```
from braket.devices import Devices

device_arn = Devices.Amazon.SV1

hyperparameters = {"shots": 1_000}
```

Übergeben Sie dann die im oben angegebenen Codeausschnitt definierten Hyperparameter, um sie im Algorithmus Ihrer Wahl zu verwenden. Um das folgende Codebeispiel auszuführen, erstellen Sie ein Verzeichnis mit dem Namen „src“ im selben Pfad wie Ihre Hyperparameterdatei. Fügen Sie im Verzeichnis „src“ die Codedateien [ 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 und requirements.txt hinzu. ](https://github.com/amazon-braket/amazon-braket-examples/blob/main/examples/hybrid_jobs/7_Running_notebooks_as_hybrid_jobs/src/notebook_runner.py) [https://github.com/amazon-braket/amazon-braket-examples/blob/main/examples/hybrid_jobs/7_Running_notebooks_as_hybrid_jobs/src/requirements.txt](https://github.com/amazon-braket/amazon-braket-examples/blob/main/examples/hybrid_jobs/7_Running_notebooks_as_hybrid_jobs/src/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)
```

Um von Ihrem Hybrid-Job-Skript aus auf * Ihre Hyperparameter zuzugreifen, sehen Sie sich die `load_jobs_hyperparams()` Funktion * in der notebook\_runner.py Python-Datei an. [https://github.com/amazon-braket/amazon-braket-examples/blob/main/examples/hybrid_jobs/7_Running_notebooks_as_hybrid_jobs/src/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) Um * außerhalb * Ihres Hybrid-Job-Skripts auf Ihre Hyperparameter zuzugreifen, führen Sie den folgenden Code aus. 

```
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)
```

Weitere Informationen zum Erlernen der Verwendung von Hyperparametern finden Sie in den [ QAOA-Tutorials mit Amazon Braket Hybrid Jobs PennyLane ](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) und in den Tutorials zu [ Quantum Machine Learning in Amazon Braket Hybrid Jobs. ](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)