mindquantum.framework.QRamVecLayer

class mindquantum.framework.QRamVecLayer(ham, circ, sim, n_thread=None, weight='normal')

包含qram和ansatz线路的量子神经网络，qram将经典数据直接编码成量子态，ansatz线路的参数是可训练的参数。

说明

对于低于2.0.0版本的MindSpore，不支持将复数张量作为神经网络cell输入，因此我们应该将量子态拆分为实部和虚部，并将其用作输入张量。当MindSpore升级时，这种情况可能会改变。
目前，我们无法计算测量结果相对于每个量子振幅的梯度。

参数：

ham (Union[Hamiltonian, List[Hamiltonian]]) - 要想求期望值的哈密顿量或者一组哈密顿量。
circ (Circuit) - 变分量子线路。
sim (Simulator) - 做模拟所使用到的模拟器。
n_thread (int) - 运行一个batch的初始态时的并行数。如果是 None，用单线程来运行。默认值： None。
weight (Union[Tensor, str, Initializer, numbers.Number]) - 卷积核的初始化器。它可以是Tensor、字符串、Initializer或数字。指定字符串时，可以使用 'TruncatedNormal'、 'Normal'、 'Uniform'、 'HeUniform' 和 'XavierUniform' 分布以及常量’One’和’Zero’分布中的值。别名 'xavier_uniform'、 'he_uniform'、 'ones' 和 'zeros' 是可以接受的。大写和小写都可以接受。有关更多详细信息，请参阅Initializer的值。默认值： 'normal'。

输入：

qs_r (Tensor) - 量子态实部的Tensor，其shape为 \((N, M)\) ，其中 \(N\) 表示batch大小， \(M\) 表示全振幅量子态的长度。
qs_i (Tensor) - 量子态虚部的Tensor，其shape为 \((N, M)\) ，其中 \(N\) 表示batch大小， \(M\) 表示全振幅量子态的长度。

输出：

Tensor，hamiltonian的期望值。

异常：