[TFQ] 간략화된 QNN 예제 : MNIST 분류
https://www.tensorflow.org/quantum/tutorials/mnist?hl=ko
MNIST 분류 | TensorFlow Quantum
도움말 Kaggle에 TensorFlow과 그레이트 배리어 리프 (Great Barrier Reef)를 보호하기 도전에 참여 이 페이지는 Cloud Translation API를 통해 번역되었습니다. Switch to English MNIST 분류 이 가이드는 양자 신경망 (
www.tensorflow.org
본 튜토리얼을 돌려보고, 예제에 대한 분석을 합니다.
예제 요약
QNN 이진 분류기 : 숫자 3과 6을 구별하는 간략화된 이진 분류기.
사용되는 양자 레이어는 아래 블로그의 분류 부분이 classical로 구현된 부분을 따릅니다.
https://luvquantum91.tistory.com/entry/TFQ-%EA%B0%84%EB%9E%B5%ED%99%94%EB%90%9C-Q-layer
[TFQ] 간략화된 Q-layer
-binary classification을 위한 간단한 Q-layer 예시. -간략화 된 예시에서는 양자 데이터를 사용한다는 것이 의미가 있어 보임. -복잡한 QNN의 경우 본 예시에서 Classical 부분도 Quantum으로 구현. 사실 본.
luvquantum91.tistory.com
아래는 주요 코드만 언급합니다.
1. Keras에서 원시 데이터를 로드한다.
2. 데이터 세트를 3과 6으로만 필터링한다.
3. 양자 컴퓨터에 맞도록 이미지를 축소한다.
4. 모순되는 예를 제거한다.
5. 바이너리 이미지를 Cirq 회로로 변환한다.
배열에 한꺼번에 넣어 순차적으로 처리한다.
6. Cirq 회로를 TensorFlow Quantum 회로로 변환한다.
결론
Quantum 머신을 사용한다고 정확도가 좋아지는 것은 아님.
정확도를 높이기 위해서는 선형대수학적 문제 풀이 기반 알고리즘을 사용해야 함.
Near-term 기술에서는 정확도가 높다 기대하기 어려움.
