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設定超參數並將其定義為字典，可在下列程式碼中看到：

#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，以使用如下所示的演算法，用於您選擇的演算法：

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,
)

超參數接著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)

Amazon QAOA Amazon Braket PennyLane Amazon Braket Hybrid Jobs 教學課程中的 Quantum Machine Learning 會提供幾個非常實用的指南，協助您了解如何使用超參數。