পূর্ববর্তী টিউটোরিয়াল গুুলোতে, আমরা আমাদের হুক(hook) এবং কর্মীদের(worker) প্রতিবার নিজেরা কোড করে তৈরি করছিলাম। এটা একটু বিরক্তিকর যখন তুমি শুধুমাত্র ইন্টারফেসগুলো শেখার জন্য কোড নিয়ে খেলা করছো। তাই, এখন থেকে আমরা এই সকল ভেরিয়েবল বিশেষ ধরনের সুবিধাজনক ফাংশনের মাধ্যমে তৈরি করবো।
অনুবাদকঃ
In [0]:
import torch
import syft as sy
sy.create_sandbox(globals())
আমরা দেখতে পাই, উপরে আমরা বিভিন্ন ধরনের ভার্চুয়াল কর্মী এবং অনেকগুলো টেস্ট ডাটাসেট তৈরি করেছি, যেগুলো বিভিন্ন কর্মীদের মধ্যে ভাগ করে দেয়া হয়েছে। যেন আমরা প্রাইভেসি প্রিজার্ভিং পদ্ধতি অনুশীলন করতে পারি, যেমন- ফেডারেটেড লার্নিং(Federated learning)।
আমরা ছয়টি কর্মী তৈরি করেছি....
In [0]:
workers
আমরা বেশকিছু গ্লোবাল ভেরিয়েবলও তৈরি করেছি যা কি-না আমরা এখন ব্যবহার করতে পারি!
In [0]:
hook
In [0]:
bob
In [0]:
x = torch.tensor([1,2,3,4,5]).tag("#fun", "#boston", "#housing").describe("The input datapoints to the boston housing dataset.")
y = torch.tensor([1,2,3,4,5]).tag("#fun", "#boston", "#housing").describe("The input datapoints to the boston housing dataset.")
z = torch.tensor([1,2,3,4,5]).tag("#fun", "#mnist",).describe("The images in the MNIST training dataset.")
In [0]:
x
In [0]:
x = x.send(bob)
y = y.send(bob)
z = z.send(bob)
# this searches for exact match within a tag or within the description
results = bob.search(["#boston", "#housing"])
In [0]:
results
In [0]:
print(results[0].description)
In [0]:
grid = sy.PrivateGridNetwork(*workers)
In [0]:
results = grid.search("#boston")
In [0]:
boston_data = grid.search("#boston","#data")
In [0]:
boston_target = grid.search("#boston","#target")
In [0]: