Part 5 - 欢迎来到沙盒

在上一教程中，我们一直在手工初始化hook和所有工作机。当您只是在玩耍/了解接口时，这可能会有些烦人。因此，从现在开始，我们将使用特殊的便捷函数创建所有这些相同的变量。 In the last tutorials, we've been initializing our hook and all of our workers by hand every time. This can be a bit annoying when you're just playing around / learning about the interfaces. So, from here on out we'll be creating all these same variables using a special convenience function.



In [ ]:

    
import torch
import syft as sy
sy.create_sandbox(globals())

沙盒能给我们什么？

如您在上面所看到的，我们创建了几个虚拟工作机，并加载了很多测试数据集，将它们分布在各个工作机周围，以便我们可以使用诸如联邦学习之类的隐私保护技术进行练习。

我们创造了六台工作机……



In [ ]:

    
workers

我们还填充了大量的全局变量，我们可以立即使用的！



In [ ]:

    
hook



In [ ]:

    
bob

1: 工作机搜索功能

进行远程数据科学的一个重要方面是我们希望能够在远程计算机上搜索数据集。设想一个研究实验室想要向医院查询“无线电”数据集。



In [ ]:

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



In [ ]:

    
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 [ ]:

    
x



In [ ]:

    
x = x.send(bob)
y = y.send(bob)
z = z.send(bob)

# 这会在标签或说明中搜索完全匹配
results = bob.search(["#boston", "#housing"])



In [ ]:

    
results



In [ ]:

    
print(results[0].description)

2: 虚拟网格

A Grid is simply a collection of workers which gives you some convenience functions for when you want to put together a dataset.



In [ ]:

    
grid = sy.PrivateGridNetwork(*workers)



In [ ]:

    
results= grid.search("#boston")



In [ ]:

    
boston_data = grid.search("#boston","#data")



In [ ]:

    
boston_target = grid.search("#boston","#target")



In [ ]: