交互式混合量子-经典机器学习模型训练方法、设备及介质

本发明涉及一种交互式混合量子‑经典机器学习模型训练方法、设备及介质，其中方法包括：加载训练数据，并初始化经典神经网络和量子机器学习模型；将经典数据输入经典神经网络，得到分类结果作为预测输出；将量子数据输入量子机器学习模型，并以经典神经网络的输出作为量子机器学习的参数，得到量子比特在可观测量下的期望值作为预测输出；基于经典神经网络、量子机器学习的预测输出与数据集的真实值计算加权联合损失函数；基于加权联合损失函数更新经典神经网络参数；当加权联合损失函数收敛或达到最大迭代次数时，结束训练。与现有技术相比，本发明具有减小了量子机器学习训练的开销、克服了量子机器学习算法潜在的梯度消失问题等优点。