TensorFlow Quantum to biblioteka do hybrydowego kwantowo-klasycznego uczenia maszynowego.
# A hybrid quantum-classical model. model = tf.keras.Sequential([ # Quantum circuit data comes in inside of tensors. tf.keras.Input(shape=(), dtype=tf.dtypes.string), # Parametrized Quantum Circuit (PQC) provides output # data from the input circuits run on a quantum computer. tfq.layers.PQC(my_circuit, [cirq.Z(q1), cirq.X(q0)]), # Output data from quantum computer passed through model. tf.keras.layers.Dense(50) ])
TensorFlow Quantum (TFQ) to kwantowa biblioteka uczenia maszynowego do szybkiego prototypowania hybrydowych, kwantowo-klasycznych modeli ML. Badania nad algorytmami i aplikacjami kwantowymi mogą wykorzystywać ramy obliczeń kwantowych Google, a wszystko to z poziomu TensorFlow.
TensorFlow Quantum koncentruje się na danych kwantowych i budowaniu hybrydowych modeli kwantowo-klasycznych . Integruje algorytmy obliczeń kwantowych i logikę zaprojektowaną w Cirq i zapewnia prymitywne obliczenia kwantowe kompatybilne z istniejącymi interfejsami API TensorFlow, wraz z wysokowydajnymi symulatorami obwodów kwantowych. Przeczytaj więcej w białej księdze TensorFlow Quantum .
Zacznij od przeglądu , a następnie uruchom samouczki dotyczące notatnika .
