我在用 mindspore 训练一个生成式模型用于生成手写识别图像，其中训练集使用的是 mnist 训练集. 生成式模型是一个量子神经网络, 因为需要生成的图片维度是 28*28 的, 所以量子神经网络中量子电路需要计算 28*28 个哈密顿量的期望的梯度, 也就是在调用函数 sim.get_expectation_with_grad 的时候, 输入的 hams 是一个长度为 28*28 的list, 但是这样一来导致运行效率非常差, 即使我 grad_ops2 = sim.get_expectation_with_grad(hams,
encoder,
parallel_worker=batch_size) 当中将 parallel_worker 调整的很高, 但是 CPU 占用率还是非常低. 我在用量子神经网络做二分类问题的时候如果调高 parallel_worker 那么 CPU 的占用可以接近百分之百, 但是在我训练生成式模型的时候占用了只用百分之十左右，同时训练过程中有如下警告: 请问我应该如何调整使得程序可以并行计算多个 hams 的观测值和梯度或者是否需要其它的调整，麻烦了！
点赞
收藏
回复
分享
举报
已解决
encoder,
parallel_worker=batch_size) 当中将 parallel_worker 调整的很高, 但是 CPU 占用率还是非常低. 我在用量子神经网络做二分类问题的时候如果调高 parallel_worker 那么 CPU 的占用可以接近百分之百, 但是在我训练生成式模型的时候占用了只用百分之十左右，同时训练过程中有如下警告: 请问我应该如何调整使得程序可以并行计算多个 hams 的观测值和梯度或者是否需要其它的调整，麻烦了！