refraction-ray
commented
4 years ago 你可以看下对应的 tensorflow quantum 里 MNIST 的例子（当然我觉得他的处理也不理想）：https://github.com/tensorflow/quantum/blob/master/docs/tutorials/mnist.ipynb。
一些典型处理和 comment：
- 挑选出两个数字对应图像数据，一般量子线路这边算力很弱，就选一个 qubit 测量作为输出，因此得把问题转化为二分类，比去区分数字 3 和 6.
- 图片缩放，28*28 太大了，一般都直接 resize 到 4*4 了 （因此这边 resize 算法很重要，因为 MNIST 降到 4*4， 反正人是看不到数字了，就是几个色块）。。。
- binarize，把每个像素点极值化成 0 或 1，我觉得这部分是没必要的，保留原始灰度信息也可以制备对应的量子数据
- 去重，通常在步骤 1 之后，或在步骤 2 之后，把不同 label 对应的同样图像（由于降维造成的冲突）从数据训练集中删除
- 制备，把图像制备成量子直积态。这一步很简单，如果做了二值化，就是在 1 对应的像素 qubit 上做个 X gate，如果保留了灰度信息，就是在每个像素对应的 qubit 上作用个 $$Rx(\theta)$$ 即可，theta 对应了灰度的信息。
有没有能将经典神经网络的数据集，比如说Mnist手写数字图像数据集转换成为量子态数据集的办法？