Add example of pre-computing an embedding
还没有人认领这个 Issue。
评估
- 难度
- 1/5
- 预计耗时
- 1-3 小时
- 新手友好度
- 45/100
- Issue 类型
- 文档
- 描述清晰度
- 描述清楚
- 活跃度
- 停滞
- 技术栈
- python
调研方向
从 issue 中链接的拓扑采样器文档页面开始，查看其中现有的示例。添加一个使用 DWaveSampler、find_clique_embedding 和 FixedEmbeddingComposite 的 Python 示例，以根据 QPU 边列表预先计算 embedding。示例出现在文档中并展示使用固定 embedding 进行采样，即表示完成。
由索引模型根据 Issue 内容生成。
描述
Request from Cathy, "Hey tools support, novice user here(!) Each QPU has a largest clique that can be embedded in the working graph -- is that clique pre-computed and available to me through ocean? I would like to avoid using a bunch of trial-and-error calls to MinorMiner to find the embedding."
Add to somewhere like https://docs.ocean.dwavesys.com/en/latest/examples/topology_samplers.html#topology-samplers an example like:
from dwave.system import DWaveSampler, FixedEmbeddingComposite
from dwave.embedding.chimera import find_clique_embedding
qpu = DWaveSampler(solver=dict(qpu=True))
embedding = find_clique_embedding(K, 16, target_edges=qpu.edgelist)
sampler = FixedEmbeddingComposite(qpu, embedding)
sampleset = sampler.sample_ising(h, J)
print(sampleset)
CC @arcondello
- 主要语言
- Python
- 星标
- 49
- 派生
- 28
- PR 合并指标
- 30 天内没有已合并 PR
环境准备
从这里开始
- 先读完整个 Issue，再读项目的贡献指南。
- 在 Issue 下留言说明你要接手 —— 这能避免两个人做同样的事。
- Fork 仓库，在一个分支上完成修改。
- 提交 Pull Request，并在描述里引用这个 Issue 编号。
dwavesystems/docs 的其他 Issue
-
难度 4/5 3-5 天 新手友好度 30/100
dwavesystems/docs#75 · 3 条评论 ·
-
难度 4/5 3-5 天 新手友好度 35/100
dwavesystems/docs#74 · 2 条评论 ·
-
PY2.7 EOL: also update installation of venv, pip可能重新可做 @JoelPasvolsky 于 2570 天前认领，目前没有进行中的 PR。 未关闭
dwavesystems/docs#73 · 已指派 1 人 ·
-
难度 2/5 1-3 小时 新手友好度 25/100
dwavesystems/docs#71 ·
-
难度 5/5 一周以上 新手友好度 30/100
dwavesystems/docs#55 ·
查看 dwavesystems/docs 的全部 Issue
相似的 Issue
-
documentation
难度 2/5 1-3 小时 新手友好度 70/100
kristofdegrave/homeassistant-smart-charging#1413 ·
维护者通常 1 天内回复
-
难度 2/5 1-3 小时 新手友好度 88/100
nasa/earthdata-varinfo#113 ·
-
curriculum documentation quality
难度 2/5 1-3 小时 新手友好度 88/100
githubnext/gh-aw-workshop#3849 ·
维护者通常 2 天内回复
-
难度 2/5 1-3 小时 新手友好度 90/100
-
难度 2/5 1-3 小时 新手友好度 84/100
维护者通常 1 天内回复