使用超参数

创建混合作业时，您可以定义算法所需的超参数，例如学习率或步长。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。请注意，这些值必须是字符串数据类型。在搜索最优值集时，您可以指定要测试的超参数值。使用超参数的第一步是将超参数设置并定义为字典，这可以在以下代码中看到：

#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
}

然后，您将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，其内容如下所示：

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,
)

注意

要了解有关输入数据的更多信息，请参阅输入部分。

然后，将使用以下代码将超参数加载到混合作业脚本中：

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)

注意

有关如何将输入数据和设备 arn 等信息传递到混合作业脚本的更多信息，请参阅此 github 页面。

QAOA 在 Amazon Braket Hybrid Jobs 和 PennyLane Amazon Braket Hybrid Job s 教程中提供了几个对学习如何使用超参数非常有用的指南，这些指南对学习如何使用超参数非常有用。