项目简介
本项目基于VQNet框架实现量子二分类器,借助量子计算优势开展二分类任务。项目涵盖多个量子模型,如HEA、CCQC、CCQC - q、WheelQNet和kNN - q,这些模型在第一届量子信息技术与应用创新大赛中表现出色,荣获第一名。
项目的主要特性和功能
- 量子模型实现:实现多种量子模型,包括硬件有效量子电路(HEA)、基于受控量子电路的组合循环量子近似算法(CCQC)、基于旋转平均的量子分类器(WheelQNet)和非参数化的kNN - q模型。
- 量子特征编码:通过量子电路把经典数据编码到量子态,便于在量子电路中处理。
- 量子计算模拟:利用VQNet框架模拟量子电路,执行量子门操作与测量,获取量子计算结果。
- 模型训练和评估:通过交叉验证和测试集评估模型性能,并依评估结果调整模型参数。
- 经典模型对比:包含经典模型实现,用于和量子模型进行性能对比。
安装使用步骤
环境准备
- 创建并激活虚拟环境:
bash conda create -n vq python==3.8 conda activate vq
- 安装依赖库:
bash pip install -r requirements.txt
数据预处理
- 生成特征数据:
bash python -m src.preprocess -f
模型评估
- 获取测试集预测结果:
bash python -m src.eval -L log<model>
- 默认模型(knnq)的评估:
bash python -m src.eval
模型训练
- 运行训练脚本以复现提交结果:
bash run_vqnet.cmd
开发环境
- 安装开发依赖:
bash pip install -r requirements_dev.txt
- 运行经典模型对比:
bash python run_sklearn.py
- 训练特定模型:
bash python run_vqnet.py -M <model>
- 评估模型:
bash python run_vqnet.py -L <logdir>
注:由于代码涉及量子计算框架和具体实现细节,可能需对量子计算有一定了解。具体安装和使用步骤可能需根据项目提供的文档或教程进行。
下载地址
点击下载 【提取码: 4003】【解压密码: www.makuang.net】