HC59_Final_Project:HC59的最终项目

HC59_Final_Project HC59的最终项目 在本github回购过程中，我将尝试扩展QISKIT教程在使用量子电路以及传统机器学习方法方面的应用。 在本教程中，在MNIST数据集上使用了量子经典混合卷积神经网络。 MNIST数据集是从0到9的28x28灰度手写数字的集合。 传统的卷积神经网络已被很好地应用于此数据集，并且结果极为准确。 下图显示了一个示例MNIST数字（出于视觉目的而进行了扩展）。 混合网络的演示旨在说明量子组件可以在传统网络中使用，并且仍然可以输出工作结果。 从本质上讲，我们想证明经典网络的输出在馈入量子网络后不会显着降低。 量子计算机是否可以在经典模型上获得优势尚待确定，但第一步是要说明量子与经典模型一样好或仅比经典模型差一点。 下面是来自Qiskit texbook的混合网络的描述。 经典和量子机器学习组件之间的最大区别是用于反向传播的梯度计算。