<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<oembed>
  <author_name>derwind</author_name>
  <author_url>https://blog.hatena.ne.jp/derwind/</author_url>
  <blog_title>らんだむな記憶</blog_title>
  <blog_url>https://randommemory.hatenablog.com/</blog_url>
  <categories>
    <anon>quantum_computing</anon>
  </categories>
  <description>textbook のコードを眺めて大変興味深く感じた。・・・が、正直、古典ニューラルネット部で畳み込み層を用いて画像の特徴量を抽出している状態で、量子回路層が担っている意味合いは少し分かりにくい。本質的には classifier 部の実装になっている。 が、それすらも実質古典ニューラルネットに実装されているので、実は以下のように量子回路層をスキップして、Sigmoid で確率にしてしまえば終わりである。 class Net(nn.Module): def __init__(self): ... self.sigmoid = nn.Sigmoid() def forward(self, x): …</description>
  <height>190</height>
  <html>&lt;iframe src=&quot;https://hatenablog-parts.com/embed?url=https%3A%2F%2Frandommemory.hatenablog.com%2Fentry%2F2022%2F02%2F24%2F022045&quot; title=&quot;Qiskit (58) —量子機械学習 - らんだむな記憶&quot; class=&quot;embed-card embed-blogcard&quot; scrolling=&quot;no&quot; frameborder=&quot;0&quot; style=&quot;display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;&quot;&gt;&lt;/iframe&gt;</html>
  <image_url>https://cdn-ak.f.st-hatena.com/images/fotolife/d/derwind/20220224/20220224020149.png</image_url>
  <provider_name>Hatena Blog</provider_name>
  <provider_url>https://hatena.blog</provider_url>
  <published>2022-02-24 02:20:45</published>
  <title>Qiskit (58) —量子機械学習</title>
  <type>rich</type>
  <url>https://randommemory.hatenablog.com/entry/2022/02/24/022045</url>
  <version>1.0</version>
  <width>100%</width>
</oembed>
