Pysyft学习笔记01，开始

1.1安装

• Install Python 3.6 or higher
• Install PyTorch 1.4
• pip install syft[udacity]

1.2安装检查

# 运行这个cell看看是否工作正常
import sys

import torch
from torch.nn import Parameter
import torch.nn as nn
import torch.nn.functional as F

import syft as sy
hook = sy.TorchHook(torch)

torch.tensor([1,2,3,4,5])

2.1开始

hook = sy.TorchHook(torch)

        虚拟工人

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

        张量

x = torch.tensor([1,2,3,4,5])
y = torch.tensor([1,1,1,1,1])

        张量的发送

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

注意一下。当我们调用 x.send(bob)时，它返回了一个称为x_ptr的新对象。这是我们第一个指向张量的指针。张量的指针本身实际上并不保存数据。相反，它们仅包含有关存储在另一台机器上的张量（带有数据）的元数据。这些张量的目的是为我们提供一个直观的API，以告诉其他机器使用该张量来计算函数。

        指针可以直接加

z = x_ptr + x_ptr

指针有两个主要属性：

• x_ptr.location : bob, location(位置)，对指针指向的位置的引用
• x_ptr.id_at_location : <random integer>, 张量存储在位置的id

它们以以下格式打印： <id_at_location>@<location>

还有其他更通用的属性：

• x_ptr.id : <random integer>, 指针张量的ID，它是随机分配的
• x_ptr.owner : "me", 拥有指针张量的工作机，这里是本地机器，名为“me”（我）
• 

        设置本地

me = sy.local_worker

        设置指针归属

me == x_ptr.owner

最后，就像我们可以在张量上调用 .send()一样，我们可以在指向张量的指针上调用.get()来恢复它！

x_ptr.get()
y_ptr.get()

此时的bob._objects

如您所见，Bob不再具有张量！他们已经搬回我们的机器了！

        远程操作