使用anaconda安装pytorch+PySyft（适用于linux和windows环境）

        由于最近看的一个FL示例代码使用的PySyft，按照网上教程草草地安装了一个，但是版本太高了，一些支持的方法都没有了，所以只好指定版本安装。

步骤：

1. 创建conda的虚拟环境，指定python版本为3.7
2. 进入虚拟环境，安装pytorch（GPU / CPU版本）
3. 安装PySyft（0.2.4版本）
4. 重新安装PySyft的依赖

1.创建conda的虚拟环境，指定python版本为3.7

        进入Anaconda Powershell Prompt (anaconda3)，输入指令

conda create -n syftpy python=3.7 --yes

        在conda prompt 进入刚才创建的虚拟环境，安装适合你cuda版本的pytorch,我们安装1.4的版本（因为PySyft0.2.4要求Torch版本为1.4）

 更新conda的下载源

# 添加清华源的pytorch
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

2.进入虚拟环境，安装pytorch（GPU / CPU版本）

        可进入 该网页 查看pytorch下载命令，我们需要下载1.4的版本，可参考使用以下命令。

conda activate syftpy # 进入虚拟环境
conda install pytorch==1.4.0 torchvision==0.5.0 cudatoolkit=10.1 -c pytorch
# 下载cuda(10.1)版本pytorch 
# conda install pytorch==1.4.0 torchvision==0.5.0 -c pytorch #下载CPU版本pytorch

3.安装PySyft（0.2.4版本）

pip3 install syft==0.2.4 --no-dependencies

 4.重新安装PySyft的依赖

# 安装以下依赖
pip install lz4~=3.0.2 msgpack~=1.0.0 phe~=1.4.0 scipy~=1.4.1 syft-proto~=0.2.5.a1 tblib~=1.6.0 websocket-client~=0.57.0 pip install websockets~=8.1.0 zstd~=1.4.4.0 Flask~=1.1.1 tornado==4.5.3 flask-socketio~=4.2.1 lz4~=3.0.2 Pillow~=6.2.2 pip install requests~=2.22.0 numpy~=1.18.1

如果会报错：

安装下面的依赖

pip install xxx

        错误说明：Syft需要安装的没安装，需要的低版本咱安装成了高版本（这个不能赖我，这是torch在安装的时候自动安装的高版本依赖）。

        所以，按照红色说明，把没安装的安装：pip install xxx,这个xxx就和报错需要安装的一模一样，直接粘贴就行。

        高版本的卸载（pip uninstall xxx）再重新安装指定版本，直到你安装结束没有红色错误提示。

执行下面的代码，测试你的PySyft是否可用：

import syft as sy
import torch
import sys
from torch.nn import Parameter
import torch.nn as nn
import torch.nn.functional as F

hook = sy.TorchHook(torch)
print(hook)

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

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

y = x+x
print('y = ', y)

bob = sy.VirtualWorker(hook, id='bob')
print('bob = ', bob)

x = torch.tensor([1,2,3,4,5])
y = torch.tensor([1,1,1,1,1])
 
#先展示下bob的objs
print('bob._objects = ', bob._objects)

x_ptr = x.send(bob)
y_ptr = y.send(bob)
 
print('bob._objects = ', bob._objects, 'after send')
 
print('x_ptr = ', x_ptr)
print('y_ptr = ', y_ptr)
 
print('x_ptr.location = ', x_ptr.location)
print('x_ptr.owner = ', x_ptr.owner)

z = x_ptr + y_ptr
 
print('z = ', z)
 
print('bob._objects = ', bob._objects, 'after add')

运行结果：

tensor([1, 2, 3, 4, 5])
x =  tensor([1, 2, 3, 4, 5])
y =  tensor([ 2,  4,  6,  8, 10])
bob =  
bob._objects =  {}
bob._objects =  {89132956278: tensor([1, 2, 3, 4, 5]), 51410851129: tensor([1, 1, 1, 1, 1])} after send
x_ptr =  (Wrapper)>[PointerTensor | me:27571073662 -> bob:89132956278]
y_ptr =  (Wrapper)>[PointerTensor | me:15432631516 -> bob:51410851129]
x_ptr.location =  
x_ptr.owner =  
z =  (Wrapper)>[PointerTensor | me:32165463037 -> bob:15843673785]
bob._objects =  {89132956278: tensor([1, 2, 3, 4, 5]), 51410851129: tensor([1, 1, 1, 1, 1]), 15843673785: tensor([2, 3, 4, 5, 6])} after add