%20(2).svg)
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】