昇思MindSpore打卡营 11号 -通过量子神经网络对鸢尾花进行分类 学习心得

简介

量子神经网络是一类将人工神经网络与量子计算相结合的算法。

问题描述

鸢尾花（iris）数据集是经典机器学习中常用的数据集，该数据集总共包含150个样本（分为3种不同的亚属：山鸢尾（setosa）、杂色鸢尾（versicolor）和维吉尼亚鸢尾（virginica），每个亚属各有50个样本），每个样本包含4个特征，分别为花萼长度（sepal length）、花萼宽度（sepal width）和花瓣长度（petal length）、花瓣宽度（petal width）。

选取前100个样本（山鸢尾（setosa）和杂色鸢尾（versicolor）），并随机抽取80个样本作为训练集，通过搭建量子神经网络对量子分类器（Ansatz）进行训练，学习完成后，对剩余的20个样本进行分类测试，期望预测的准确率尽可能高。

思路

将100个样本进行划分，分成80个训练样本和20个测试样本，根据训练样本的经典数据计算搭建Encoder所需的参数，然后，搭建Encoder，将训练样本的经典数据编码到量子态上，接着，搭建Ansatz，通过搭建的量子神经网络层和MindSpore的算子对Ansatz中的参数进行训练，进而得到最终的分类器，最后，对剩余的20个测试样本进行分类测试，得到预测的准确率。

数据图像化

目的：

        为了更加直观地了解这100个样本组成的数据集

结果：

搭建Encoder

在MindSpore Quantum中搭建Encoder，将经典数据编码到量子态上。这里采用的编码方式是IQP编码。

Encoder：

优势 

MindSpore是一个全场景深度学习框架，旨在实现易开发、高效执行、全场景统一部署三大目标，提供支持异构加速的张量可微编程能力，支持云、服务器、边和端多种硬件平台。