1.一种量子迁移学习方法，其特征在于，包括以下步骤：（1）获取Flowers Recognition花卉识别数据集和Animal‑10动物‑10数据集的数据并进行预处理；具体如下：将数据的尺寸放大为256×256像素，使用中心裁剪的方式将其尺寸裁剪为224×224，最后进行标准化，预处理的图像尺寸为224×224×3像素，使得输入图像符合ResNet网络的标准输入格式；

（2）构建ResNet18量子迁移学习模型和ResNet34量子迁移学习模型即在ResNet18网络和ResNet34网络中分别引入量子卷积神经网络模块；具体如下：首先，删除ResNet18网络和ResNet34网络中最后的平均池化层，全连接层，然后在ResNet18网络和ResNet34网络后添加卷积层即量子卷积神经网络模块；其中，量子卷积神经网络模块由8个结构相同的量子卷积层电路组成，用于得到通道数为8的卷积特征图；其中，量子卷积层电路由6个量子逻辑门组合结构组成；将滑动窗口固定为2×2，则特征图的通道数为16；量子逻辑门具体如下：设初始输入6个量子比特状态为：；

其中，Ψ0、Ψ1、Ψ2、Ψ3、Ψ4、Ψ5分别表示量子比特；

则量子逻辑门公式如下：

；

其中， 表示量子逻辑门，I表示单位矩阵， 、 表示分别表示两个U3门，；θ7、θ8、θ9均表示控制布洛赫球上的旋转角度；CNOT0表示CNOT门；Ry()表示Ry门；Rz()表示Rz门；

在量子电路中从右向左表示电路的方向，两个量子比特首先经过U3门，两个U3门的乘积计算用如下公式表示：；

其中，θ1， ，λ3、θ4， ，λ6分别表示控制布洛赫球上的旋转角度；

矩阵表达为：

；

任意单量子比特门分解为若干基础旋转门的组合，根据U3门矩阵表达式将转化为Ry和Rz门的组合，即：；

由于前五个量子逻辑门组合结构的参数是相同的，因此量子卷积层电路运算矩阵表达公式如下：；

其中， 表示量子逻辑门， 表示前五个量子逻辑门组合； 表示第六个量子逻辑门；

当六个量子逻辑门组合结构的运算结束后，则量子卷积层电路此时的状态为：；

（3）分别对ResNet18量子迁移学习模型和ResNet34量子迁移学习模型进行训练，并与原有ResNet18和ResNet34模型进行对比。