qiskit_noise_learning.analysis.AnalysisStage
class qiskit_noise_learning.analysis.AnalysisStage
Basi: ABC
Base astratta per una fase nella pipeline di analisi.
Ogni fase dichiara il livello di dati che consuma (input_level) e produce (output_level). Le fasi possono saltare i livelli intermedi, ad esempio passando direttamente da RawData a DecayData.
Per implementare una fase, creare una sottoclasse di questa classe e sovrascrivere _run(). Il run() metodo pubblico gestisce la copia superficiale del Fit contenitore e contrassegna i livelli saltati; _run() riceve la copia e può modificarla in loco.
input_level e possono output_level essere dichiarati come attributi di classe:
class MyStage(AnalysisStage):
input_level = RawData
output_level = ObservableData
def _run(self, fit):
fit[ObservableData] = compute(fit[RawData])__init__
__init__()
Metodi
Rubrica 1 | Rubrica 2 |
|---|---|
__init__() | |
run(adatto) | Esegui questa fase, restituendo un nuovo oggetto Fit con il livello di output compilato. |
Attributi
Rubrica 1 | Rubrica 2 |
|---|---|
input_level | Il livello di dati letto in questa fase. |
output_level | Il livello di dati in cui questa fase effettua la scrittura. |
input_level
output_level
abstract property
Tipo: type[LeveledData]
Il livello di dati in cui questa fase effettua la scrittura.
run
run(fit: Fit | LeveledData) → Fit
Esegui questa fase, restituendo un nuovo oggetto Fit con il livello di output compilato.
Le copie fitsuperficiali contrassegnano eventuali livelli intermedi Absent come tali Skipped, eseguono la _run() copia e la restituiscono. L'originale non fit viene modificato.