使用 SPU 实现 t-SNE 算法

[Candicepan]

此 ISSUE 为 隐语开源共建计划（SecretFlow Open Source Contribution Plan，简称 SF OSCP）任务 ISSUE，欢迎社区开发者参与共建～
若有感兴趣想要认领的任务，但还未报名，辛苦先完成报名进行哈～

任务介绍

• 任务名称：使用SPU实现t-SNE算法
• 技术方向：SPU/SML
• 任务难度：挑战🌟🌟🌟
• 任务完成时间：8周

详细要求

• 安全性（尽量少 reveal）
• 功能性：
  • 至少需要实现一种init和拟合算法
• 正确性：在一些测试集上拟合后的embedding需要能明显有区分度，具有一定的数值正确性
• 代码规范：Python 代码需要使用 black+isort 进行格式化（流水线包含代码规范检查卡点）
• 提交说明：关联该 isuue 并提交代码至 https://github.com/secretflow/spu/tree/main/sml(具体提交文件夹可与reviewer讨论）
• 特殊说明：若某个特性有特殊的限制，如需要 FM128，需要更多 fxp 等需要在注释文档中明确说明

能力要求

• 熟悉经典的机器学习理论，包括流形学习等
• 熟悉 JAX 或 NumPy，可以使用 NumPy 实现算法
• 熟悉 一定优化理论知识
• 对MPC协议的cost model有一定认知

操作说明

• 可参考sklearn中的说明:https://scikit-learn.org/stable/modules/generated/sklearn.manifold.TSNE.html
• 操作指引：https://www.secretflow.org.cn/docs/spu/latest/en-US/getting_started/tutorials/develop_your_first_mpc_application
• 范例：https://github.com/secretflow/spu/blob/main/sml/linear_model/simple_sgd.py
• 可参考隐语mooc2期视频:
  • https://www.bilibili.com/video/BV1ba4y1S73z/?spm_id_from=333.788
  • https://www.bilibili.com/video/BV1Qe411D7MG/?spm_id_from=333.788
• 贡献指引文档: https://github.com/secretflow/spu/blob/main/sml/development.md
• tips: 本任务难度较大，任务认领后建议先与reviewer讨论具体实现路径并确定可行性后再进行开发