- 博客(122)
- 资源 (2)
- 收藏
- 关注
原创 删掉右键多余的打开方式
计算机\HKEY_USERS\S-1-5-21-4024916612-1691460616-483768494-1001\Software\Classes\Applications。Win+R,输入Regedit。
2024-03-01 00:14:48 259
原创 量子计算学习经验
是经典的教材书的,但是大部分同学第一次看基本看的云里雾里的,建议大概先读一遍,有个印象,之后可以作为工具书使用,再反复阅读。如果有时间的话,当然可以配合详细阅读做题。其他的等我在学习学习继续补充~《量子计算与量子信息》
2024-02-26 21:06:10 289 2
原创 谷歌翻译不能使用 host添加IP
谷歌浏览器翻译不能使用解决教程_142.250.100.90 translate.googleapis.com-CSDN博客
2024-01-14 17:03:30 434
原创 host没有管理员权限
2 输入 notepad C:\Windows\System32\drivers\etc\hosts。1 以管理员身份运行 Windows PowerShell。3在自动弹出的host文件里添加信息,然后保存即可。
2024-01-14 17:02:17 389
原创 ImportError: MagickWand shared library not found.You probably had not installed ImageMagick library
原因:pip install wand后,发现wand包要依赖这个MagickWand,但是未安装。还没搞清有什么区别?有用后就没仔细看了。各位看官自己选择哦)根据具体系统 点击 ,比如我的是win系统。解决方案:下载一个exe文件并安装。( 但也有看其他博主 选的是。
2024-01-05 19:59:16 385
原创 This error originates from a subprocess, and is likely not a problem with pip
我遇这个问题是的原因。
2024-01-05 19:09:45 405
原创 罗技k380连不上蓝牙?
在官网上找到的解决方案,连接放在这里,里面还提到了不能在一些特殊的地方操作。我一直以为是键盘锁住了,或者我按一些键 什么的可以解决,但是都没用。解决方案:由于我把键盘放在了金属表面 ,导致蓝牙失灵。
2024-01-03 22:10:02 449
原创 加载数据集合
【Pytorch】加载数据集 - 学习笔记_ptthon编程导入自己构造的图像数据集_Lucy@IshtarXu的博客-CSDN博客
2023-12-02 15:50:29 354
原创 GANs除了辅助比特外量子的非线性还有?系列(1)
相比于经典生成对抗网络,QGANs通过利用量子特有的非线性操作和量子态的特性,有望在某些任务上展现出更好的性能和生成效果。常见的量子门包括Hadamard门、CNOT门、RY门等,它们可以在量子神经网络中引入非线性变换,从而增加网络的表达能力。2. 量子态的叠加和干涉:量子态的叠加和干涉是量子计算中的重要概念。通过调整量子比特之间的相对相位,可以在量子神经网络中引入干涉效应,从而实现非线性的组合和变换。通过量子测量,可以引入非线性的反馈和调整,从而影响量子神经网络的演化和生成样本的质量。
2023-10-21 23:59:10 42
原创 量子信息处理器可能能够提供高度压缩的生成对抗学习任务的版本
假设底层数据由M个在N维实数或复数空间中的归一化向量~vj组成,使得数据的(归一化)协方差矩阵为C = (1/M) ∑j vjv†j。一个量子信息处理器可以通过logN个量子比特来表示这些向量的量子态|vji,并且数据的归一化协方差矩阵等于密度矩阵ρ = (1/M) ∑j |vjihvj|。经典的协方差表示只能表示两个向量之间的线性相关性,例如协方差矩阵可以衡量它们之间的协方差和相关性。需要注意的是,纠缠的利用需要设计合适的量子算法和量子电路,以及适当的量子态编码和纠缠操作。让我给你一个例子来说明这一点。
2023-10-21 11:22:39 194
原创 深度神经网络时与协方差矩阵
需要注意的是,协方差矩阵的使用并不是深度神经网络训练的必需步骤,而是一些与其相关的技术或分析方法的一部分。3. 协方差矩阵的分析:在一些研究和分析的工作中,人们可能会对网络的协方差矩阵进行进一步的分析。一种常见的解决方法是使用一些改进的权重初始化策略,例如Xavier初始化或He初始化,这些策略旨在控制权重初始化时的协方差矩阵,从而帮助网络更好地进行训练。总之,协方差矩阵在深度神经网络中与权重的初始化和训练过程密切相关,它可以用来描述权重之间的相关性,并且可用于改进权重初始化策略或优化算法的自适应性。
2023-10-21 11:02:45 708
原创 协方差矩阵在深度神经网络怎么使用
常用的降维技术包括主成分分析 (PCA),其中协方差矩阵的特征向量对应于主成分,可以用于将数据投影到更低维度的空间中。例如,自然梯度算法和协方差矩阵适应性进化策略 (CMA-ES) 使用协方差矩阵来估计参数空间中的相关性,并根据这些信息进行参数更新。在图像生成任务中,可以使用协方差矩阵来定义损失函数,以保持生成图像的分布与训练数据的分布一致。具体使用方法取决于具体的任务和应用场景。例如,在图像分类任务中,计算输入图像数据的协方差矩阵可以了解不同像素之间的相关性,并用于图像增强、归一化或其他数据处理操作。
2023-10-20 22:25:40 66
原创 Xshell+screen解决ssh连接 服务器掉线的问题
Linux screen命令解决SSH远程服务器训练代码断开连接后运行中断_linux screen ssh-CSDN博客
2023-10-20 21:42:00 1037
原创 对于高斯连续变量系统而言,它没有展现出量子霸权的特性 量子霸权是什么?
对于高斯连续变量系统而言,它没有展现出量子霸权的特性的主要原因是,高斯连续变量系统的计算能力可以被经典计算机有效地模拟和仿真。相比之下,离散变量的量子系统具有更复杂的态空间和测量结果,需要使用量子力学的非经典特性来描述和处理。由于高斯连续变量系统的特性可以用经典概率论和经典计算方法来模拟和处理,它们在某些计算任务上无法展现出量子霸权的优势。因此,判别器和生成器可以使用经典计算方法来搜索可能的高斯态和测量方式,并通过经典计算达到模拟生成数据统计特性的目的,而不需要借助量子计算的优势。
2023-10-20 15:18:26 59
原创 Linux screen命令解决SSH远程服务器训练代码断开连接后运行中断
Linux screen命令解决SSH远程服务器训练代码断开连接后运行中断_linux screen ssh-CSDN博客
2023-10-20 11:01:06 179
原创 【无标题】
假设数据确实是从由σ描述的真实系综中选择的,则测量产生结果数据的概率为p(T| data)= trTσ,并且假设数据是从所生成的系综中选择的,则测量产生结果数据的概率是p(T| G)= trTp。给定一个数据样本,如果这个样本确实来自由密度矩阵σ描述的真实数据集,那么鉴别器测量结果为T的概率是p(T|data) = tr(Tσ),其中tr表示迹运算。类似地,如果数据样本来自由密度矩阵ρ描述的生成数据集,那么测量结果为F的概率是p(F|G) = tr(Fρ)。1-范数小于等于1的正算子集是凸的。
2023-10-20 08:43:22 55
原创 量子力学和方阵的迹有什么关系
纠缠度:密度矩阵的迹还可以用于计算量子系统的纠缠度。对于一个复合系统的密度矩阵,通过对其中一个子系统的迹运算,可以得到该子系统的约化密度矩阵。约化密度矩阵描述了子系统的状态,包含了关于纠缠度的信息。量子力学中的密度矩阵通常表示为方阵形式,并且迹在量子力学中具有重要的意义。密度矩阵是用于描述量子系统的状态的算子,它是一个正定的厄米矩阵(Hermitian matrix)。这个式子表示了量子系统在状态 ρ 下观测可观测量 A 的平均值。这表示量子系统的状态是归一化的。
2023-10-19 21:45:29 182
原创 ⟨A⟩ = Tr(ρA) 从数学上来讲什么意思
方程〈A〉 = Tr(ρA) 是量子力学中一个重要的公式,它建立了密度矩阵和可观测量之间的关系,使得我们可以通过密度矩阵计算各种物理量的期望值。方程〈A〉 = Tr(ρA) 的含义是,通过计算密度矩阵ρ与可观测量A的乘积的迹,可以得到可观测量A的期望值。在这个方程中,〈A〉表示可观测量A的期望值,ρ表示量子系统的密度矩阵,A是一个可观测量(也是一个厄米算子)。当给定一个具体的密度矩阵ρ和一个可观测量A时,我们可以通过数值计算来演示〈A〉 = Tr(ρA) 的应用。这个运算结果是一个复数。
2023-10-19 21:45:00 216
原创 什么是最小误差测量
因此,算符P+和1−P+在这里用于将差异矩阵σ − ρ分解为正部分和负部分,并提供了一种测量这些部分的方法。总之,通过比较正部分和负部分的强度或概率,我们可以量化和评估两个密度矩阵之间的差异,并基于这些结果做出相应的判定或决策。在量子信息理论中,当我们想要区分两个量子态σ和ρ,且ρ是固定的时候,最小误差测量使用的算符是P+和1−P+。根据正部分和负部分的强度或概率的比较,我们可以做出相应的判断或决策,例如确定哪个密度矩阵更接近于目标状态,或者判断它们在某个属性或特征上的差异程度。
2023-10-19 20:54:24 182
原创 什么是凸优化
凸优化问题可以通过不同的方法进行求解,包括一阶方法(如梯度下降法)、二阶方法(如牛顿法和拟牛顿法)以及凸优化专用的算法(如内点法和外点法)。凸优化问题的求解目标是找到使得目标函数最小化的优化变量x,同时满足约束条件。通过凸优化技术,可以有效地求解复杂的优化问题,并得到高质量的解决方案。一个凸函数具有以下性质:对于任意两个点在函数图像上的连线上的点,函数值都小于等于这条连线上两个端点对应的函数值之间的线性插值。其中,f(x)是目标函数,g_i(x)是不等式约束,h_j(x)是等式约束,x是优化变量。
2023-10-19 19:34:22 70
原创 神经网络的本质是学习统计信息吗
神经网络的层级结构和参数调整使其能够捕捉输入数据中的统计规律和模式。是的,神经网络的本质之一是学习统计信息。神经网络是一种机器学习模型,通过学习输入和输出之间的关联关系来进行预测和推断。在这个过程中,神经网络通过对大量训练数据进行学习,从中提取和学习数据的统计信息。通过学习统计信息,神经网络能够对新的、未见过的数据进行预测和泛化。它通过对训练数据中的统计规律的学习,能够推广到类似的数据样本上,并进行预测或分类。所以 如果是gan网络的话,gan学习到的是样本的统计信息。上面答案由gpt回答。
2023-10-19 18:23:37 69
原创 现在回头看,你有没有写过自己觉得比较愚蠢的代码?
老师应该是被我愚公移山的精神感动到,他真的非常照顾学生的情绪,当着全班的鼓励我,如果我能把这个电梯程序写下来,直接给大二的我毕业。这是我写过最傻的代码,那时候的我不懂怎么学习新的东西,经常尴尬,包括现在也有经常尴尬的时候,,,,幸好,每个人都有闪光点的。这种学习方式,我自己都觉得实在是太笨了,像一头老实憨厚的黄牛,,, 而且我还十分确定,虽然成绩拿到了,还是什么都不会。大二,我们大学计算机有开设java课程,java的绿色那本书好厚,即使我们的java课的老师很认真负责,前几节课我依然也是什么都看不懂。
2023-10-02 21:54:40 186
原创 论文创新点
Enhancingadversarialrobustness ofquantumneuralnetworksby adding noise layersNoise robustness and experimental demonstration of aquantumgenerativeadversarial networkfor continuous distributionsQuantumgenerativeadversarial networksfor learning a
2023-09-28 15:45:55 76
原创 问题usr/bin/env: “python‘: Too many levels of symbolic links太多层链接的bug pycharm
建议不要用过去的conda环境了,直接新建一个环境,然后在图片这个步骤的时候务必选择现有的解释器。(产生问题的原因可能就是新建的解释器太多了)
2023-09-20 21:21:41 838 2
原创 服务器上装conda
服务器从0搭建-【anaconda3+cuda+cudnn+conda环境创建+修改conda源】_bashrc中的conda initialize和cuda_冲上云霄!的博客-CSDN博客
2023-09-06 23:06:40 435
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人