python联邦学习syft基本操作综合案例

1.简单的张量加法案例

"""
@Time ： 2023/10/16 0016 14:27
@Auth ： yeqc
"""

'''简单的张量加法案例'''
import torch
import syft as sy

hook = sy.TorchHook(torch)
# 创建一个虚拟联邦学习节点
bob = sy.VirtualWorker(hook, id="Bob")
print('bob：', bob)

# 将x，y发送给Bob
x = torch.tensor([1, 2, 3])
y = torch.tensor([1, 1, 1])

x_ptr = x.send(bob)
y_ptr = y.send(bob)

print('bob._objects = ', bob._objects)

print('x_ptr = ', x_ptr)
print('y_ptr = ', y_ptr)
print('x_ptr.location = ', x_ptr.location)  # 张量指针指向的位置
print('x_ptr.owner = ', x_ptr.owner)  # 持有指针张量的虚拟机器工作节点

z = x_ptr + y_ptr  # x_ptr 与 y_ptr 加法
print('z = ', z)
print('bob._objects = ', bob._objects)

2.基于指针的远程操作案例

"""
@Time ： 2023/10/16 0016 14:36
@Auth ： yeqc
"""

'''基于指针的远程操作案例'''
import torch
import syft as sy

hook = sy.TorchHook(torch)

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

x = torch.tensor([1, 2, 3])
# x发送给bob
x_ptr = x.send(bob)
print("bob._objects = ", bob._objects)
print("alice._objects = ", alice._objects)

'''数据仍然在bob，alice具有了从alice->bob的指针，x_ptr是me->bob的指针，pointer_to_x_ptr是me->alice的指针。x_ptr发送给alice后，
实际数据x还是原始Torch张量数据，还在bob，仍然可以进行Torch张量操作，但是只能在指针张量上执行get()方法，不能在Torch张量上执行get()方法'''
# 创建新指针pointer_to_x_ptr
pointer_to_x_ptr = x_ptr.send(alice)
print(pointer_to_x_ptr)
print("bob._objects = ", bob._objects)
print("alice._objects = ", alice._objects)  # alice指向bob

'''下面从alice处取回指针x_ptr，即alice为空，从bob处取回指针x_ptr'''
x_ptr = pointer_to_x_ptr.get()
print(x_ptr)
print("alice._objects = ", alice._objects)
x = x_ptr.get()
print(x)
print("bob._objects = ", bob._objects)

3.基于指针的链式操作案例

"""
@Time ： 2023/10/16 0016 14:48
@Auth ： yeqc
"""

'''基于指针的链式操作案例'''

import torch
import syft as sy

hook = sy.TorchHook(torch)

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

x = torch.tensor([1, 2, 3])
x_ptr = x.send(bob)
print(x_ptr)
print("bob：", bob._objects)
print("alice：", alice._objects)

# 张量x执行move()操作
x_ptr.move(alice)
print(x_ptr)  # 此时x_ptr指针为me->alice，bob张量数据为空，alice有张量数据
print("bob：", bob._objects)
print("alice：", alice._objects)

# 下面进行三个工作节点的指针操作测试
dave = sy.VirtualWorker(hook, id="Dave")
alice.clear_objects()  # 由于上述alice有张量数据，因此清空alice
print("bob：", bob._objects)
print("alice：", alice._objects)
print("dave：", dave._objects)
# 将张量数据x按指针模式发送给bob、alice和dave
x = torch.tensor([3, 2, 1]).send(bob).send(alice).send(dave)
print("bob：", bob._objects)
print("alice：", alice._objects)
print("dave：", dave._objects)
# 引入新节点，并执行move()操作
fiona = sy.VirtualWorker(hook, id="Fiona")
x.move(fiona)  # 可以看到move()操作只改变最后部分的指针指向
print("bob：", bob._objects)
print("alice：", alice._objects)
print("dave：", dave._objects)
print("fiona：", fiona._objects)
# 连续调用三次get()，可以将数据全部收回
x = x.get().get().get()
print("bob：", bob._objects)
print("alice：", alice._objects)
print("dave：", dave._objects)
print("fiona：", fiona._objects)
print(x)