Skip to main content
 首页 » 编程设计

python之如何在 Qiskit python 中调用 EnergyInput() 函数

2024年11月01日8落叶无声

我想用 Qiskit 实现 SVM。我使用了以下代码。

from qiskit import Aer 
from qiskit.aqua.utils import split_dataset_to_data_and_labels 
from qiskit.aqua.input import get_input_instance      
from qiskit.aqua import run_algorithm 
 
n = 2  # dimension of each data point 
sample_Total, training_input, test_input, class_labels = Breast_cancer(training_size=40, 
                                                              test_size=10, n=n, PLOT_DATA=True) 
 
temp = [test_input[k] for k in test_input] 
total_array = np.concatenate(temp) 
 
aqua_dict = { 
    'problem': {'name': 'svm_classification', 'random_seed': 100}, 
    'algorithm': { 
        'name': 'QSVM.Kernel' 
    }, 
    'feature_map': {'name': 'SecondOrderExpansion', 'depth': 2, 'entangler_map': {0: [1]}}, 
    'multiclass_extension': {'name': 'AllPairs'}, 
    'backend': {'name': 'qasm_simulator', 'shots': 256} 
} 
 
algo_input = get_input_instance('SVMInput') 
algo_input.training_dataset = training_input 
algo_input.test_dataset = test_input 
algo_input.datapoints = total_array 
 
result = run_algorithm(aqua_dict, algo_input) 
for k,v in result.items(): 
    print("'{}' : {}".format(k, v)) 

但是这段代码显示了这个错误

ImportError: cannot import name 'get_input_instance'

这是因为此方法已从 Qiskit 中删除。我从this得到这条信息问题。他们建议以类似的方式使用 EnergyInput() 而不是 get_input_instance()。于是我将之前的代码修改为如下方式。

!pip install qiskit 
from qiskit import Aer 
from qiskit.aqua.utils import split_dataset_to_data_and_labels 
from qiskit.aqua.input import EnergyInput 
from qiskit.aqua import run_algorithm 
 
algo_input = EnergyInput('SVMInput') 
algo_input.training_dataset = training_input 
algo_input.test_dataset = test_input 
algo_input.datapoints = total_array 

现在这段代码表明 EnergyInput 不能接受任何类型的 String 输入。这会产生以下错误。

AttributeError: 'str' object has no attribute 'to_dict'

我可以在此屏幕截图中显示整个错误。

请您参考如下方法:

看看this tutorial关于创建 QSVM。他们使用一个名为 ClassificationInput() 的类来代替 EnergyInput(),并将数据传递给该类。

这使得整体表达: algo_input = ClassificationInput(training_input, test_input, datapoints[0])