(2020/11/24)目前pysyft出現重大改版，所以很多東西不一樣，tutorial也已經不同，所以直接看官方文件會好於看這篇mediums，如果之後有時間我會再去寫pysyft的教學，現在可能要先將就看英文官方tutorial。
這個是簡易介紹pysyft的tutorial，目的在於快速讓之前沒接觸過syft的人花短時間大致了解他的應用，個人覺得syft給的教程非常完整，利用virtual worker也幾乎都可以直接執行，讓人迅速了解，所以覺得這篇太過簡單也可以直接前往閱讀syft 的tutorial。
這篇主要內容都是來自pysyft的part01
簡單給張圖讓大家回想一下Federated learning（FL）的架構為何，主要這邊都是講horizontal FL。
Local 更新之後回傳model parameter或是gradient給中心server去做下一輪的model，不斷進行訓練直到達到要求的accuracy為止。
syft是一個支援多種AI framework的FL framework，所以在一開始你需要去定義你要用那一種AI framework，這邊都是使用pytorch。
# Run this cell to see if things work
import sysimport torch
from torch.nn import Parameter
import torch.nn as nn
import torch.nn.functional as Fimport syft as sy
hook = sy.TorchHook(torch)
確定我們要用那一種framework之後我們需要一些client去做local的訓練，syft提供我們虛擬的worker， virtual worker，若是真的使用多台機器去進行訓練，syft也提供websocket可以與其他台機器連線訓練。
這邊創建一個bob的worker
bob = sy.VirtualWorker(hook, id="bob")我們先把資料傳給bob給他作簡單加減
x = torch.tensor([1,2,3,4,5])
y = torch.tensor([1,1,1,1,1])
x_ptr = x.send(bob)
y_ptr = y.send(bob)
z = x_ptr + x_ptr若是單純看z，並沒有資料在手上的我們（server）看不到z，只會看到
z
(Wrapper)>[PointerTensor | me:40011669099 -> bob:25071307517]這點在x_ptr, y_ptr上面也都是類似的，只會回給你一個pointer
可以從bob._objects來看到，傳過去的x,y跟計算出來的z
bob._objects{83726831337: tensor([1, 2, 3, 4, 5]),
68183927990: tensor([1, 1, 1, 1, 1]),
25071307517: tensor([ 2, 4, 6, 8, 10])}
現在我們把z拿回來，方法也很簡單.get即可
z.get()這樣bob那邊就沒東西了
bob._objects{}
大概就是這樣，簡單易用，下篇來訓練model吧
簡易教學：Pysyft FL training(2)[Working on it…]
差點忘了説，syft教學也有中文版的喔
