Ta strona została przetłumaczona przez Cloud Translation API.
Switch to English

TensorFlow Quantum to biblioteka do hybrydowego kwantowego 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 biblioteka do uczenia maszynowego kwantowego do szybkiego prototypowania hybrydowych kwantowo-klasycznych modeli ML. Badania nad algorytmami i aplikacjami kwantowymi mogą wykorzystać kwantowe struktury obliczeniowe Google, a wszystko to z poziomu TensorFlow.

TensorFlow Quantum koncentruje się na danych kwantowych i tworzeniu hybrydowych modeli kwantowo-klasycznych . Integruje kwantowe algorytmy obliczeniowe i logikę zaprojektowaną w Cirq , a także dostarcza prymitywy obliczeń kwantowych kompatybilne z istniejącymi API TensorFlow, a także wysokowydajne symulatory obwodów kwantowych. Przeczytaj więcej w białej księdze TensorFlow Quantum .

Zacznij od przeglądu , a następnie uruchom samouczki dotyczące notebooków .