python联邦学习syft张量与指针的基本操作

import syft as sy
import torch

hook = sy.TorchHook(torch)

bob = sy.VirtualWorker(hook, id="Bob")

x = torch.tensor([1, 2, 3])
y = torch.tensor([1, 1, 1])

x_ptr = x.send(bob)  # 张量指向Bob，send()发送数据，返回指针
y_ptr = y.send(bob)

print("x和y数据发送给Bob--------bob：", bob._objects)

z = x_ptr + y_ptr
print("可以看到加法不是在本地执行，而是在x和y发送给Bob后，在远端的Bob上执行了加法计算操作--------z：", z)
print("bob：", bob._objects)

x_ptr.get()  # 数据放松后，在指针张量上执行get()即可收回数据
y_ptr.get()
z.get()
print("张量收回--------bob：", bob._objects)

# ---------------syft的API扩展了Torch中变量加法、梯度反向传播等操作-------------------
# 变量加法
x = torch.tensor([1, 2, 3]).send(bob)
y = torch.tensor([1, 1, 1]).send(bob)
z = torch.add(x, y)
print("bob：", bob._objects)
bob.clear_objects() #清空bob，等同于将指针全部get()

# 变量梯度反向传播
x = torch.tensor([1, 2, 3], dtype=float, requires_grad=True).send(bob)
y = torch.tensor([1, 1, 1], dtype=float, requires_grad=True).send(bob)
z = (x + y).sum()
z.backward()  # 执行反向传播
x = x.get()
print(x.grad)
y = y.get()
print(y.grad)
print(bob._objects)