[pysyft-002]联邦学习pysyft从入门到精通--三个节点训练一个线性分类器-CSDN博客

本文链接：https://blog.csdn.net/lizhe_dashuju/article/details/102883865

本文介绍了如何利用开源库pysyft进行联邦学习，通过三个独立的数据节点协同训练一个线性分类模型，深入理解联邦学习的工作流程和优势。

摘要由CSDN通过智能技术生成

import syft as sy
import torch
from torch import nn
from torch import optim

"""
https://github.com/OpenMined/PySyft/blob/master/examples/tutorials/Part%2002%20-%20Intro%20to%20Federated%20Learning.ipynb
Part 02 - Intro to Federated Learning.ipynb
"""

"""
本例演示：
在A节点上有一个模型。B、C节点上分别有两个样本集。A节点把模型分别送到B和C节点上进行多轮训练。
本脚本运行在A节点上。
"""

#syft需要对pytorch做hook
hook = sy.TorchHook(torch)

#两个worker，每个worker是一个训练节点
bob = sy.VirtualWorker(hook, id="bob")
alice = sy.VirtualWorker(hook, id="alice")

#数据集，data是样本属性，target是样本类别标记
data = torch.tensor([[0,0],[0,1],[1,0],[1,1.]], requires_grad=True)
target = torch.tensor([[0],[0],[1],[1.]], requires_grad=True)

#数据集拆分成两部分，一部分发给bob训练，一部分发给alice训练。训练出两个模型。
#bob和alice都不知道对方的模型，bot和alice是独立的。

#给bob worker的数据
data_bob = data[0:2]
target_bob = target[0:2]