StochasticCost as a feature of layers
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 5/5
- Tiempo estimado
- Más de una semana
- Aptitud para principiantes
- 25/100
- Tipo de issue
- Nueva funcionalidad
- Claridad
- Necesita aclaración
- Estado de actividad
- Estancado
- Stack tecnológico
- cpp, python, tensorflow
- Área
- backend, machine-learning
Línea de trabajo
Comienza leyendo tensorflow_quantum/python/differentiators/stochastic_differentiator.py y la nueva interfaz de differentiator descrita en #409. Revisa la discusión de diseño y #230 para conocer el comportamiento previsto a nivel de capa; el trabajo estará completo cuando el submuestreo de PauliTerm encaje en la interfaz, utilice un backend de C++ op y funcione en distintos contextos de valores esperados.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
In the past, subsampling of PauliTerms from input PauliSums was taken care of by an option in the SGDifferentiator module. However, there were a few issues with its implementation there:
- Instead of subsampling PauliTerms from PauliSums, it actually changed the shape of the measurement tensor by subsampling PauliSums.
- Had a python implementation instead of a C++ op backend.
- Does not fit the new differentiator interface being implemented in #409 .
Fortunately, in discussions on the design doc for the new differentiators, it looks like this could be a feature we still want to keep, and pull up to the level of tfq.layers. Since, this subsampling of PauliTerms can speed up the estimation of expectation values in any context, not just when seeking gradients. See also #230 for the possible interaction of such a feature with Engine. Thinking to take this on in the near future. Thoughts on this @MichaelBroughton @jaeyoo ?
- Lenguaje dominante
- Python
- Estrellas
- 2.2k
- Forks
- 665
- Métricas de merge de PR
- Sin PR fusionados en 30 d
Preparar el entorno
- Sin Dockerfile ni archivo de Docker Compose
- Sin plantilla de pull request
- Leer la guía de contribución
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de tensorflow/quantum
-
area/devops help wanted no QC knowledge needed priority/before-0.7.7
Dificultad 2/5 1-3 horas Aptitud para principiantes 68/100
tensorflow/quantum#1082 · 1 comentario · 1 reacción ·
-
Support Keras 3Quizá libre de nuevo @rosspeili la tomó hace 73 días y no hay ningún pull request abierto. Abiertoarea/keras help wanted skill-level/intermediate
tensorflow/quantum#1090 · 4 comentarios · 1 asignado ·
-
Investigate support for JAXAbiertoskill-level/expert
Dificultad 5/5 Más de una semana Aptitud para principiantes 30/100
tensorflow/quantum#1089 · 2 comentarios ·
-
area/core priority/after-0.7.7 skill-level/expert
Dificultad 5/5 Más de una semana Aptitud para principiantes 25/100
tensorflow/quantum#1088 ·
-
Support dynamic quantum circuitsAbiertoarea/circuits priority/after-0.7.7 skill-level/expert
Dificultad 5/5 Más de una semana Aptitud para principiantes 25/100
tensorflow/quantum#1087 ·
Todos los issues de tensorflow/quantum
Issues similares
-
needs triage
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
Los mantenedores suelen responder en 2 días
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 82/100
openvinotoolkit/openvino_notebooks#3665 ·
Los mantenedores suelen responder en 1 día
-
bug
Dificultad 2/5 1-3 horas Aptitud para principiantes 86/100
Los mantenedores suelen responder en 1 día
-
docs
Dificultad 2/5 1-3 horas Aptitud para principiantes 88/100
Los mantenedores suelen responder en 1 día
-
benchmark-gap
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
Los mantenedores suelen responder en 1 día