数据处理方法、机器学习框架及相关设备技术

本发明专利技术公开了一种数据处理方法、机器学习框架及相关设备，所述方法应用于包括机器学习框架的电子设备，所述机器学习框架包括量子模块和经典模块，所述方法包括：调用所述量子模块创建包括量子机器学习程序、第一预设训练程序以及第一训练接口的量子计算层，所述第一训练接口用于调用所述第一预设训练程序训练所述量子机器学习程序；调用所述经典模块创建包括经典机器学习程序、第二预设训练程序以及第二训练接口的经典计算层，所述第二训练接口用于调用所述第二预设训练程序训练所述经典机器学习程序；调用所述经典模块创建包括所述量子计算层和所述经典计算层的机器学习模型。通过该方法可以提高对机器学习模型训练的开发效率。效率。效率。

【技术实现步骤摘要】
数据处理方法、机器学习框架及相关设备


[0001]本专利技术属于量子计算
，特别是涉及一种数据处理方法、机器学习框架及相关设备。

技术介绍

[0002]机器学习模型由于其优异的性能而被广泛应用于人工智能研究，通过利用标注好的训练数据对机器学习模型进行训练，可以得到符合预期的机器学习模型，进而将其用于语音识别、图像识别等具体应用工作。机器学习模型无须人为设立其用于具体应用工作的标准，通过训练机器学习模型可以自己建立相应的工作标准，对于不同应用工作具有较好的适应性。随着量子计算的发展，包含量子程序的机器学习模型也越来越多。
[0003]相关技术中，为了对包含量子机器学习程序和经典机器学习程序的机器学习模型进行训练，需要分别针对量子机器学习程序和经典机器学习程序设计训练程序，开发工作量大，开发效率低。

技术实现思路

[0004]本专利技术的目的是提供一种数据处理方法、机器学习框架及相关设备，旨在针对包含量子机器学习程序和经典机器学习程序的机器学习模型，提高该机器学习模型的训练开发效率。
[0005]为了实现上述目的，本专利技术实施例的第一方面，提供一种数据处理方法，应用于包括机器学习框架的电子设备，所述机器学习框架包括量子模块和经典模块，所述方法包括：
[0006]调用所述量子模块创建包括量子机器学习程序、第一预设训练程序以及第一训练接口的量子计算层，所述第一训练接口用于调用所述第一预设训练程序训练所述量子机器学习程序；
[0007]调用所述经典模块创建包括经典机器学习程序、第二预设训练程序以及第二训练接口的经典计算层，所述第二训练接口用于调用所述第二预设训练程序训练所述经典机器学习程序；
[0008]调用所述经典模块创建包括所述量子计算层和所述经典计算层的机器学习模型。
[0009]可选地，所述方法还包括：
[0010]调用所述经典模块创建所述机器学习模型的训练层，所述训练层用于通过所述第一训练接口调用所述第一预设训练程序，并通过所述第二训练接口调用所述第二预设训练程序。
[0011]可选地，所述机器学习框架还包括数据结构模块，所述方法还包括：
[0012]调用所述数据结构模块获取输入数据并创建包括所述输入数据的张量数据；
[0013]将所述张量数据输入所述机器学习模型，得到输出结果；
[0014]将所述输出结果输入所述训练层，以通过所述第一训练接口调用所述第一预设训练程序，根据所述第一预设训练程序训练所述量子机器学习程序，并通过所述第二训练接
口调用所述第二预设训练程序，根据所述第二预设训练程序训练所述经典机器学习程序，得到训练后的机器学习模型。
[0015]可选地，所述第一预设训练程序包括用于计算所述量子机器学习程序的输出相对于所述量子机器学习程序的第一因变量的梯度的第一梯度计算程序，所述第一因变量为所述量子机器学习程序的输入或参数。
[0016]可选地，所述第一梯度计算程序用于根据从所述第一训练接口传入的梯度计算方法参数，选择有限差分法或参数位移法计算所述梯度。
[0017]可选地，在所述根据所述第一训练接口传入的梯度计算方法参数，选择参数位移法计算所述梯度时，所述第一梯度计算程序包括：
[0018]参数减子程序，用于将所述量子机器学习程序的所述第一因变量减去第一偏置量，并将目标数据输入所述量子机器学习程序，得到第一结果；
[0019]参数加子程序，用于将所述量子机器学习程序的所述第一因变量加上第二偏置量，并将目标数据输入所述量子机器学习程序，得到第二结果；
[0020]计算子程序，用于根据所述第一结果和所述第二结果计算所述梯度；
[0021]其中，所述目标数据为输入所述量子机器学习程序的数据。
[0022]可选地，所述第二预设训练程序包括用于计算所述经典机器学习程序的输出相对于所述经典机器学习程序的第二因变量的梯度的第二梯度计算程序，所述第二因变量为所述经典机器学习程序的输入或参数。
[0023]本专利技术实施例的第二方面，提供一种数据处理装置，应用于包括机器学习框架的电子设备，所述机器学习框架包括量子模块和经典模块，所述装置包括：
[0024]量子计算层创建模块，用于调用所述量子模块创建包括量子机器学习程序、第一预设训练程序以及第一训练接口的量子计算层，所述第一训练接口用于调用所述第一预设训练程序训练所述量子机器学习程序；
[0025]经典计算层创建模块，用于调用所述经典模块创建包括经典机器学习程序、第二预设训练程序以及第二训练接口的经典计算层，所述第二训练接口用于调用所述第二预设训练程序训练所述经典机器学习程序；
[0026]机器学习模型创建模块，用于调用所述经典模块创建包括所述量子计算层和所述经典计算层的机器学习模型。
[0027]可选地，所述装置还包括：
[0028]训练层创建模块，用于调用所述经典模块创建所述机器学习模型的训练层，所述训练层用于通过所述第一训练接口调用所述第一预设训练程序，并通过所述第二训练接口调用所述第二预设训练程序。
[0029]可选地，所述机器学习框架还包括数据结构模块，所述装置还包括：
[0030]张量数据创建模块，用于调用所述数据结构模块获取输入数据并创建包括所述输入数据的张量数据；
[0031]输入模块，用于将所述张量数据输入所述机器学习模型，得到输出结果；
[0032]训练模块，用于将所述输出结果输入所述训练层，以通过所述第一训练接口调用所述第一预设训练程序，根据所述第一预设训练程序训练所述量子机器学习程序，并通过所述第二训练接口调用所述第二预设训练程序，根据所述第二预设训练程序训练所述经典
机器学习程序，得到训练后的机器学习模型。
[0033]可选地，所述第一预设训练程序包括用于计算所述量子机器学习程序的输出相对于所述量子机器学习程序的第一因变量的梯度的第一梯度计算程序，所述第一因变量为所述量子机器学习程序的输入或参数。
[0034]可选地，所述第一梯度计算程序用于根据从所述第一训练接口传入的梯度计算方法参数，选择有限差分法或参数位移法计算所述梯度。
[0035]可选地，在所述根据所述第一训练接口传入的梯度计算方法参数，选择参数位移法计算所述梯度时，所述第一梯度计算程序包括：
[0036]参数减子程序，用于将所述量子机器学习程序的所述第一因变量减去第一偏置量，并将目标数据输入所述量子机器学习程序，得到第一结果；
[0037]参数加子程序，用于将所述量子机器学习程序的所述第一因变量加上第二偏置量，并将目标数据输入所述量子机器学习程序，得到第二结果；
[0038]计算子程序，用于根据所述第一结果和所述第二结果计算所述梯度；
[0039]其中，所述目标数据为输入所述量子机器学习程序的数据。
[0040]可选地，所述第二预设训练程序包括用于计算所述经典机器学习程序的输出相对于所述经典机器学习程序的第本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据处理方法，其特征在于，应用于包括机器学习框架的电子设备，所述机器学习框架包括量子模块和经典模块，所述方法包括：调用所述量子模块创建包括量子机器学习程序、第一预设训练程序以及第一训练接口的量子计算层，所述第一训练接口用于调用所述第一预设训练程序训练所述量子机器学习程序；调用所述经典模块创建包括经典机器学习程序、第二预设训练程序以及第二训练接口的经典计算层，所述第二训练接口用于调用所述第二预设训练程序训练所述经典机器学习程序；调用所述经典模块创建包括所述量子计算层和所述经典计算层的机器学习模型。2.如权利要求1所述的方法，其特征在于，所述方法还包括：调用所述经典模块创建所述机器学习模型的训练层，所述训练层用于通过所述第一训练接口调用所述第一预设训练程序，并通过所述第二训练接口调用所述第二预设训练程序。3.如权利要求2所述的方法，其特征在于，所述机器学习框架还包括数据结构模块，所述方法还包括：调用所述数据结构模块获取输入数据并创建包括所述输入数据的张量数据；将所述张量数据输入所述机器学习模型，得到输出结果；将所述输出结果输入所述训练层，以通过所述第一训练接口调用所述第一预设训练程序，根据所述第一预设训练程序训练所述量子机器学习程序，并通过所述第二训练接口调用所述第二预设训练程序，根据所述第二预设训练程序训练所述经典机器学习程序，得到训练后的机器学习模型。4.如权利要求1所述的方法，其特征在于，所述第一预设训练程序包括用于计算所述量子机器学习程序的输出相对于所述量子机器学习程序的第一因变量的梯度的第一梯度计算程序，所述第一因变量为所述量子机器学习程序的输入或参数。5.如权利要求4所述的方法，其特征在于，所述第一梯度计算程序用于根据从所述第一训练接口传入的梯度计算方法参数，选择有限差分法或参数位移法计算所述梯度。6.如权利要求5所述的方法，其特征在于，在所述根据所述第一训练接口传入的梯度计算方法参数，选择参数位移法计算所述梯度时，所述第一梯度计算程序包括：参数减子程序，用于将所述量子机器学习程序的所述第一因变量减去第一偏置量，并将目标数据输入所述量子机器学习程序，得到第...

【专利技术属性】
技术研发人员：方圆，王伟，李蕾，窦猛汉，
申请(专利权)人：本源量子计算科技合肥股份有限公司，
类型：发明
国别省市：