密码学 - TFHE-hpu后端 - Zama-Ai

zama-ai
发布于 2天前
阅读 41

本文档介绍了TFHE中用于连接HPU加速器的tfhe-hpu-backend代码。它包含一个HpuDevice抽象，可以轻松配置和调度HPU加速器上的TFHE操作。提供了HPU硬件设置、CPU密文克隆到HPU、在HPU上调度操作的示例以及预先构建的示例。

## TFHE-hpu-backend

### 摘要
`tfhe-hpu-backend`包含了与TFHE的HPU加速器交互的代码。
它包含一个`HpuDevice`抽象，可以轻松地在HPU加速器上配置和调度TFHE操作。

用户API公开了以下用于硬件设置的函数：
- `HpuDevice::new`, `HpuDevice::from_config`: 从配置文件实例化抽象设备。
- `HpuDevice::init`: 配置并上传所需的公共材料。
- `new_var_from`: 从 `tfhe-rs` 密文创建一个HPU密文。

HPU设备也可以在 `integer` 中使用，借助以下函数：
- `tfhe::integer::hpu::init_device`: 使用服务器密钥初始化给定的HPU设备。
- `tfhe::integer::hpu::ciphertext::HpuRadixCiphertext::from_radix_ciphertext`: 将CpuRadixCiphertext转换为其HPU对应形式。
 
通过设置线程局部HPU服务器密钥，也可以从 `hl-api` 无缝使用HPU设备：
- `tfhe::Config::from_hpu_device`: 从HpuDevice提取hl-api配置。
- `tfhe::set_server_key`: 在当前线程中注册Hpu服务器密钥。

借助 `hw-xfer` 功能，还可以从 `high-level-api` 对象创建HPU变量。
这实现了一个trait，可以在HPU加速器上 `clone_on`、`mv_on` `FheUint` 对象，并从它们那里 `from` 转换回来。

这些对象实现了 `std::ops` trait，可用于在HPU硬件上调度操作。

#### 后端结构
`tfhe-hpu-backend` 分为多个模块：
- `entities`: 定义由HPU加速器处理的结构。从/到这些对象的转换trait在 `tfhe-rs` 中实现。
- `asm`: 描述了HPU的类似汇编的语言。它实现了抽象的HPU行为，并通过微代码轻松更新它。
- `fw`: 帮助微代码设计者的抽象。使用简单的rust程序来描述新的HPU操作。帮助进行寄存器/堆管理。
- `interface`:
  + `device`: 公开用户API的高级结构。
  + `backend`: 包含HPU模块的内部私有结构
  + `variable`: 包装HPU密文。它使硬件对象的生命周期可以在 `rust` 借用检查器中Hook。
  + `memory`: 处理板载内存分配和同步
  + `config`: 帮助通过TOML配置文件配置HPU加速器
  + `cmd`: 将 `variable` 上的操作转换为具体的HPU命令
  + `regmap`: 轻松与HPU内部寄存器通信。
  + `rtl`: 定义从HPU的状态/配置寄存器填充的具体 `rust` 结构

下面是后端内部结构的概述。
![HPU backend structure](https://img.learnblockchain.cn/2025/10/04/tfhe-hpu-backend.excalidraw.png)

这张图描述了 `tfhe-hpu-backend` 的内部模块，Device是用户的主要入口点。其生命周期如下：

1. 创建HpuDevice，打开与相关FPGA的链接。配置相关的驱动程序并上传比特流。读取FPGA寄存器以提取支持的配置和功能。构建固件转换表（IOp -> DOps流）。

2. 在板载内存中分配所需的内存块。上传TFHE计算所需的公共材料。

3. 创建处理TFHE密文的HPU变量。它使用所需的内部资源包装TFHE密文，并强制执行正确的生命周期管理。此抽象强制在变量生命周期内所有必需的资源都是有效的。

4. 用户可以从HPU变量触发HPU操作。
  Variable抽象强制要求在硬件上正确同步所需的对象，并将每个操作转换为具体的HPU命令。
  当硬件确认HPU操作时，将更新相关变量的内部状态。
  这种机制支持异步操作，并最大程度地减少主机到/从HW的内存传输量。
  这种机制还支持将计算图卸载到HPU，并且仅需要在最终结果上进行同步。

### 示例
#### 配置文件
HPU配置旋钮收集在TOML配置文件中。该文件描述了目标FPGA及其关联的配置：
```toml
[fpga] # FPGA目标
  # FPGA中的寄存器布局
  regmap=["${HPU_BACKEND_DIR}/config_store/${HPU_CONFIG}/hpu_regif_core_cfg_1in3.toml",
          "${HPU_BACKEND_DIR}/config_store/${HPU_CONFIG}/hpu_regif_core_cfg_3in3.toml",
          "${HPU_BACKEND_DIR}/config_store/${HPU_CONFIG}/hpu_regif_core_prc_1in3.toml",
          "${HPU_BACKEND_DIR}/config_store/${HPU_CONFIG}/hpu_regif_core_prc_3in3.toml"]
  polling_us=2
[fpga.ffi.V80] # 硬件属性
  id="${V80_PCIE_DEV}"
  board_sn="${V80_SERIAL_NUMBER}"
  hpu_path="${HPU_BACKEND_DIR}/config_store/v80_archives/psi64.hpu"
  ami_path="${AMI_PATH}/ami.ko"
  qdma_h2c="/dev/qdma${V80_PCIE_DEV}001-MM-0" # QDma 主机到卡设备
  qdma_c2h="/dev/qdma${V80_PCIE_DEV}001-MM-1" # QDma 卡到主机设备

[rtl] # RTL 选项
  bpip_used = true # BPIP/IPIP 模式
  bpip_use_opportunism = false # 使用严格的刷新范例
  bpip_timeout = 100_000 # 时钟周期中的BPIP超时

[board] # 板配置
  ct_mem = 32768 # 分配的密文数量
  ct_pc = [ # 用于密文的内存
    {Hbm= {pc=32}},
    {Hbm= {pc=33}},
  ]
  heap_size = 16384 # 为堆保留的插槽数

lut_mem = 256 # 分配的LUT表数量
  lut_pc = {Hbm={pc=34}} # 用于LUT的内存

fw_size= 16777216 # 固件转换表的大小（以字节为单位）
  fw_pc = {Ddr= {offset= 0x3900_0000}} # 用于固件转换表的内存

bsk_pc = [ # 用于自举密钥的内存
    {Hbm={pc=8}},
    {Hbm={pc=12}},
    {Hbm={pc=24}},
    {Hbm={pc=28}},
    {Hbm={pc=40}},
    {Hbm={pc=44}},
    {Hbm={pc=56}},
    {Hbm={pc=60}}
  ]

ksk_pc = [ # 用于密钥切换密钥的内存
    {Hbm={pc=0}},
    {Hbm={pc=1}},
    {Hbm={pc=2}},
    {Hbm={pc=3}},
    {Hbm={pc=4}},
    {Hbm={pc=5}},
    {Hbm={pc=6}},
    {Hbm={pc=7}},
    {Hbm={pc=16}},
    {Hbm={pc=17}},
    {Hbm={pc=18}},
    {Hbm={pc=19}},
    {Hbm={pc=20}},
    {Hbm={pc=21}},
    {Hbm={pc=22}},
    {Hbm={pc=23}}
  ]

trace_pc = {Hbm={pc=35}} # 用于跟踪日志的内存
  trace_depth = 32 # 为跟踪日志分配的内存大小（以MiB为单位）

[firmware] # 固件属性
  implementation = "Llt" # 要使用的固件风格
  integer_w=[4,6,8,10,12,14,16,32,64,128] # 支持的IOp宽度列表
  min_batch_size = 11 # 最大吞吐量的最小批处理大小
  kogge_cfg            = "${HPU_BACKEND_DIR}/config_store/${HPU_CONFIG}/kogge_cfg.toml"
  custom_iop.'IOP[0]'  = "${HPU_BACKEND_DIR}/config_store/${HPU_CONFIG}/custom_iop/cust_0.asm"

## 默认固件配置。可以在每个IOp的基础上进行编辑
[firmware.op_cfg.default]
  fill_batch_fifo = true
  min_batch_size = false
  use_tiers = false
  flush_behaviour = "Patient"
  flush = true
  ```

#### 设备设置
以下代码段显示了如何实例化和配置 `HpuDevice`：
```rust
    // 以下代码片段使用HighLevelApi抽象
    // 实例化 HpuDevice --------------------------------------------------
    let hpu_device = HpuDevice::from_config(&args.config.expand());

// 生成密钥 ----------------------------------------------------------
    let config = Config::from_hpu_device(&hpu_device);

let cks = ClientKey::generate(config);
    let csks = CompressedServerKey::new(&cks);

// 将 HpuDevice 和密钥注册为线程局部引擎
    set_server_key((hpu_device, csks));
```

#### 在HPU上克隆CPU密文
以下代码段显示了如何将CPU密文转换为HPU密文：
``` rust
    // 抽取随机值作为输入
    let a = rand::thread_rng().gen_range(0..u8::MAX);

// 在Cpu端加密它们
    let a_fhe = FheUint8::encrypt(a, &cks);

// 克隆一个密文并将它们移动到HpuWorld中
    // NB: 在此阶段，数据不会通过Pcie移动
    //     数据仅在Hpu中排序，并复制到主机内部缓冲区中
    let a_hpu = a_fhe.clone_on(&hpu_device);
```

#### 在HPU上调度操作
一旦注册为线程局部引擎，HighLevel FheUint将转换为Hpu格式。
以下代码段显示了如何在HPU上启动操作：

``` rust
  // 求和 -------------------------------------------------------------
  // 生成随机输入值并计算预期结果
  let in_a = rng.gen_range(0..u64::max_value());
  let in_b = rng.gen_range(0..u64::max_value());
  let clear_sum_ab = in_a.wrapping_add(in_b);

// 加密输入值
  let fhe_a = FheUint64::encrypt(in_a, cks);
  let fhe_b = FheUint64::encrypt(in_b, cks);

// 通过hl_api触发HPU上的操作
  let fhe_sum_ab = fhe_a+fhe_b;

// 解密值
  let dec_sum_ab: u64 = fhe_sum_ab.decrypt(cks);
```

### 预制示例
`tfhe/examples/hpu` 中已经有一些示例应用程序可用：
 * hpu_hlapi：描述了通过HighLevelApi使用HPU设备。
 * hpu_bench：描述了通过Integer抽象级别使用HPU设备。

为了在硬件上运行这些应用程序，用户必须从项目根目录（即 `tfhe-rs-internal`）使用 `hpu-v80` 功能进行构建：

> 注意：运行示例需要正确拉取 `.hpu` 文件。由于这些文件的大小，它们由git-lfs支持，并且默认情况下处于禁用状态。
> 为了检索它们，请从 **TFHE-rs** 根文件夹运行以下命令：
> ```bash
> make pull_hpu_files
> ```

``` bash
$ cargo build --release --features="hpu-v80" --example hpu_hlapi --example hpu_bench
## 使用 setup_hpu.sh 脚本正确设置环境
$ source setup_hpu.sh --config v80 -p
## 引入 Xilinx 环境（2024 或 2025 版本）
$ source /opt/xilinx/Vivado/2024.2/settings64.sh
$ xsdb -eval "connect;puts [lsort -unique [regex -all -inline {( XFL[A-Z0-9]*)} [targets -target-properties]]]"
****** Xilinx hw_server v2024.2
  **** Build date : Oct 29 2024 at 10:16:47
    ** Copyright 1986-2022 Xilinx, Inc. All Rights Reserved.
    ** Copyright 2022-2024 Advanced Micro Devices, Inc. All Rights Reserved.

INFO: hw_server application started
INFO: Use Ctrl-C to exit hw_server application

INFO: To connect to this hw_server instance use url: TCP:127.0.0.1:3121

{ XFL12E5XJHWLA}
$ export V80_SERIAL_NUMBER=XFL12E5XJHWL
$ ./target/release/examples/hpu_bench --integer-w 64 --integer-w 32 --iop MUL --iter 10
$ ./target/release/examples/hpu_hlapi
```

> 注意：当".hpu"文件没有正确获取时发生的错误可能有点神秘：`memory allocation of ... bytes failed`
> 如果遇到此问题，应运行以下命令：
> ```bash
> make pull_hpu_files
> ```

> 注意：tfhe-hpu-backend此时只能使用一个V80板，但是如果你的服务器上有多个板，则可以执行
> ```bash
> $ . setup_hpu.sh --config v80 -p
> getopt: option requires an argument -- 'p'
> Please select a device in following list (1st two digits):
> 24:00.1 Processing accelerators: Xilinx Corporation Device 50b5
> 61:00.1 Processing accelerators: Xilinx Corporation Device 50b5
> $ . setup_hpu.sh --config v80 -p 61
> $ source /opt/xilinx/Vivado/2024.2/settings64.sh
> # 如果加载了AMI驱动程序并且运行的AMC版本是预期的版本
> $ cat /sys/module/ami/drivers/pci\:ami/0000\:61\:00.0/board_serial
> XFL1UKRD42KW
> # 列出USB JTAG上可用的序列号
> $ xsdb -eval "connect;puts [lsort -unique [regex -all -inline {( XFL[A-Z0-9]*)} [targets -target-properties]]]"
> ...
> { XFL12E5XJHWLA} { XFL1UKRD42KWA}
> $ export V80_SERIAL_NUMBER=XFL1UKRD42KW
> $ ./target/release/examples/hpu_hlapi
> ```

> 注意：默认情况下，setup_hpu.sh会将AMI_PATH设置为类似/opt/v80/ami/e55d02d的路径，其中e55d02d是AMI驱动程序的git修订版。
> 为了正确运行，你需要将来自此修订版的已编译的ami.ko放在此目录中，或者将AMI_PATH设置为你的AVED提取：
> ```bash
> export AMI_PATH=/home/user/AVED/sw/AMI/driver/
> ```

### 测试框架
tfhe-rs中还支持一组测试。测试在各种整数宽度的测试包中收集。
这些测试有5个子类：
* `alu`：运行并检查所有ct x ct IOp
* `alus`：运行并检查所有ct x 标量IOp
* `bitwise`：运行并检查所有按位IOp
* `cmp`：运行并检查所有比较IOp
* `ternary`：运行并检查三元运算
* `algo`: 运行并检查专用于卸载小型算法的IOp

以下代码段给出了一些可用于测试的命令示例：
``` bash
## 使用 setup_hpu.sh 脚本正确设置环境
source setup_hpu.sh --config v80 -p

## 运行64b整数宽度的所有子类
cargo test --release --features="hpu-v80" --test hpu -- u64

## 仅运行所有整数宽度IOp 的 `bitwise` 子类
cargo test --release --features="hpu-v80" --test hpu -- bitwise
```

### 基准测试框架
HPU完全集成在tfhe基准测试系统中。性能结果可以从HighLevelApi或Integer Api中提取。
可以通过以下Makefile目标启动三个基准测试，以简化操作：
``` bash
## 不要忘记事先正确设置环境
source setup_hpu.sh --config v80 -p

## 运行 hlapi 基准测试
make test_high_level_api_hpu

## 运行 hlapi erc20 基准测试
make bench_hlapi_erc20_hpu

## 运行整数级别基准测试
make bench_integer_hpu
```

### 渴望在没有真实硬件的情况下启动？
你是否仍在等待你的FPGA板，并对交货时间感到沮丧？
不用担心，你有备份。tfhe-rs中提供了一个专用的仿真基础设施，具有准确的性能估算。
你可以在任何linux/MacOs上使用它来测试HPU在tfhe-rs中的集成，并为HPU目标优化你的应用程序。
只需看一眼 [Hpu mockup](https://github.com/zama-ai/tfhe-rs/blob/main/backends/mockups/tfhe-hpu-mockup/README.md)，然后按照说明操作即可。

>- 原文链接： [github.com/zama-ai/tfhe-...](https://github.com/zama-ai/tfhe-rs/blob/main/backends/tfhe-hpu-backend/README.md)
>- 登链社区 AI 助手，为大家转译优秀英文文章，如有翻译不通的地方，还请包涵～

TFHE-hpu-backend

摘要

tfhe-hpu-backend包含了与TFHE的HPU加速器交互的代码。它包含一个HpuDevice抽象，可以轻松地在HPU加速器上配置和调度TFHE操作。

用户API公开了以下用于硬件设置的函数：

HpuDevice::new, HpuDevice::from_config: 从配置文件实例化抽象设备。
HpuDevice::init: 配置并上传所需的公共材料。
new_var_from: 从 tfhe-rs 密文创建一个HPU密文。

HPU设备也可以在 integer 中使用，借助以下函数：

tfhe::integer::hpu::init_device: 使用服务器密钥初始化给定的HPU设备。
tfhe::integer::hpu::ciphertext::HpuRadixCiphertext::from_radix_ciphertext: 将CpuRadixCiphertext转换为其HPU对应形式。

通过设置线程局部HPU服务器密钥，也可以从 hl-api 无缝使用HPU设备：

tfhe::Config::from_hpu_device: 从HpuDevice提取hl-api配置。
tfhe::set_server_key: 在当前线程中注册Hpu服务器密钥。

借助 hw-xfer 功能，还可以从 high-level-api 对象创建HPU变量。这实现了一个trait，可以在HPU加速器上 clone_on、mv_on FheUint 对象，并从它们那里 from 转换回来。

这些对象实现了 std::ops trait，可用于在HPU硬件上调度操作。

后端结构

tfhe-hpu-backend 分为多个模块：

entities: 定义由HPU加速器处理的结构。从/到这些对象的转换trait在 tfhe-rs 中实现。
asm: 描述了HPU的类似汇编的语言。它实现了抽象的HPU行为，并通过微代码轻松更新它。
fw: 帮助微代码设计者的抽象。使用简单的rust程序来描述新的HPU操作。帮助进行寄存器/堆管理。
interface:
- device: 公开用户API的高级结构。
- backend: 包含HPU模块的内部私有结构
- variable: 包装HPU密文。它使硬件对象的生命周期可以在 rust 借用检查器中Hook。
- memory: 处理板载内存分配和同步
- config: 帮助通过TOML配置文件配置HPU加速器
- cmd: 将 variable 上的操作转换为具体的HPU命令
- regmap: 轻松与HPU内部寄存器通信。
- rtl: 定义从HPU的状态/配置寄存器填充的具体 rust 结构

下面是后端内部结构的概述。

这张图描述了 tfhe-hpu-backend 的内部模块，Device是用户的主要入口点。其生命周期如下：

创建HpuDevice，打开与相关FPGA的链接。配置相关的驱动程序并上传比特流。读取FPGA寄存器以提取支持的配置和功能。构建固件转换表（IOp -> DOps流）。
在板载内存中分配所需的内存块。上传TFHE计算所需的公共材料。
创建处理TFHE密文的HPU变量。它使用所需的内部资源包装TFHE密文，并强制执行正确的生命周期管理。此抽象强制在变量生命周期内所有必需的资源都是有效的。
用户可以从HPU变量触发HPU操作。 Variable抽象强制要求在硬件上正确同步所需的对象，并将每个操作转换为具体的HPU命令。当硬件确认HPU操作时，将更新相关变量的内部状态。这种机制支持异步操作，并最大程度地减少主机到/从HW的内存传输量。这种机制还支持将计算图卸载到HPU，并且仅需要在最终结果上进行同步。

示例

配置文件

HPU配置旋钮收集在TOML配置文件中。该文件描述了目标FPGA及其关联的配置：

[fpga] # FPGA目标
  # FPGA中的寄存器布局
  regmap=["${HPU_BACKEND_DIR}/config_store/${HPU_CONFIG}/hpu_regif_core_cfg_1in3.toml",
          "${HPU_BACKEND_DIR}/config_store/${HPU_CONFIG}/hpu_regif_core_cfg_3in3.toml",
          "${HPU_BACKEND_DIR}/config_store/${HPU_CONFIG}/hpu_regif_core_prc_1in3.toml",
          "${HPU_BACKEND_DIR}/config_store/${HPU_CONFIG}/hpu_regif_core_prc_3in3.toml"]
  polling_us=2
[fpga.ffi.V80] # 硬件属性
  id="${V80_PCIE_DEV}"
  board_sn="${V80_SERIAL_NUMBER}"
  hpu_path="${HPU_BACKEND_DIR}/config_store/v80_archives/psi64.hpu"
  ami_path="${AMI_PATH}/ami.ko"
  qdma_h2c="/dev/qdma${V80_PCIE_DEV}001-MM-0" # QDma 主机到卡设备
  qdma_c2h="/dev/qdma${V80_PCIE_DEV}001-MM-1" # QDma 卡到主机设备

[rtl] # RTL 选项
  bpip_used = true # BPIP/IPIP 模式
  bpip_use_opportunism = false # 使用严格的刷新范例
  bpip_timeout = 100_000 # 时钟周期中的BPIP超时

[board] # 板配置
  ct_mem = 32768 # 分配的密文数量
  ct_pc = [ # 用于密文的内存
    {Hbm= {pc=32}},
    {Hbm= {pc=33}},
  ]
  heap_size = 16384 # 为堆保留的插槽数

  lut_mem = 256 # 分配的LUT表数量
  lut_pc = {Hbm={pc=34}} # 用于LUT的内存

  fw_size= 16777216 # 固件转换表的大小（以字节为单位）
  fw_pc = {Ddr= {offset= 0x3900_0000}} # 用于固件转换表的内存

  bsk_pc = [ # 用于自举密钥的内存
    {Hbm={pc=8}},
    {Hbm={pc=12}},
    {Hbm={pc=24}},
    {Hbm={pc=28}},
    {Hbm={pc=40}},
    {Hbm={pc=44}},
    {Hbm={pc=56}},
    {Hbm={pc=60}}
  ]

  ksk_pc = [ # 用于密钥切换密钥的内存
    {Hbm={pc=0}},
    {Hbm={pc=1}},
    {Hbm={pc=2}},
    {Hbm={pc=3}},
    {Hbm={pc=4}},
    {Hbm={pc=5}},
    {Hbm={pc=6}},
    {Hbm={pc=7}},
    {Hbm={pc=16}},
    {Hbm={pc=17}},
    {Hbm={pc=18}},
    {Hbm={pc=19}},
    {Hbm={pc=20}},
    {Hbm={pc=21}},
    {Hbm={pc=22}},
    {Hbm={pc=23}}
  ]

  trace_pc = {Hbm={pc=35}} # 用于跟踪日志的内存
  trace_depth = 32 # 为跟踪日志分配的内存大小（以MiB为单位）

[firmware] # 固件属性
  implementation = "Llt" # 要使用的固件风格
  integer_w=[4,6,8,10,12,14,16,32,64,128] # 支持的IOp宽度列表
  min_batch_size = 11 # 最大吞吐量的最小批处理大小
  kogge_cfg            = "${HPU_BACKEND_DIR}/config_store/${HPU_CONFIG}/kogge_cfg.toml"
  custom_iop.'IOP[0]'  = "${HPU_BACKEND_DIR}/config_store/${HPU_CONFIG}/custom_iop/cust_0.asm"

## 默认固件配置。可以在每个IOp的基础上进行编辑
[firmware.op_cfg.default]
  fill_batch_fifo = true
  min_batch_size = false
  use_tiers = false
  flush_behaviour = "Patient"
  flush = true

设备设置

以下代码段显示了如何实例化和配置 HpuDevice：

    // 以下代码片段使用HighLevelApi抽象
    // 实例化 HpuDevice --------------------------------------------------
    let hpu_device = HpuDevice::from_config(&args.config.expand());

    // 生成密钥 ----------------------------------------------------------
    let config = Config::from_hpu_device(&hpu_device);

    let cks = ClientKey::generate(config);
    let csks = CompressedServerKey::new(&cks);

    // 将 HpuDevice 和密钥注册为线程局部引擎
    set_server_key((hpu_device, csks));

在HPU上克隆CPU密文

以下代码段显示了如何将CPU密文转换为HPU密文：

    // 抽取随机值作为输入
    let a = rand::thread_rng().gen_range(0..u8::MAX);

    // 在Cpu端加密它们
    let a_fhe = FheUint8::encrypt(a, &cks);

    // 克隆一个密文并将它们移动到HpuWorld中
    // NB: 在此阶段，数据不会通过Pcie移动
    //     数据仅在Hpu中排序，并复制到主机内部缓冲区中
    let a_hpu = a_fhe.clone_on(&hpu_device);

在HPU上调度操作

一旦注册为线程局部引擎，HighLevel FheUint将转换为Hpu格式。以下代码段显示了如何在HPU上启动操作：

  // 求和 -------------------------------------------------------------
  // 生成随机输入值并计算预期结果
  let in_a = rng.gen_range(0..u64::max_value());
  let in_b = rng.gen_range(0..u64::max_value());
  let clear_sum_ab = in_a.wrapping_add(in_b);

  // 加密输入值
  let fhe_a = FheUint64::encrypt(in_a, cks);
  let fhe_b = FheUint64::encrypt(in_b, cks);

  // 通过hl_api触发HPU上的操作
  let fhe_sum_ab = fhe_a+fhe_b;

  // 解密值
  let dec_sum_ab: u64 = fhe_sum_ab.decrypt(cks);

预制示例

tfhe/examples/hpu 中已经有一些示例应用程序可用：

hpu_hlapi：描述了通过HighLevelApi使用HPU设备。
hpu_bench：描述了通过Integer抽象级别使用HPU设备。

为了在硬件上运行这些应用程序，用户必须从项目根目录（即 tfhe-rs-internal）使用 hpu-v80 功能进行构建：

注意：运行示例需要正确拉取 .hpu 文件。由于这些文件的大小，它们由git-lfs支持，并且默认情况下处于禁用状态。为了检索它们，请从 TFHE-rs 根文件夹运行以下命令：
make pull_hpu_files

$ cargo build --release --features="hpu-v80" --example hpu_hlapi --example hpu_bench
## 使用 setup_hpu.sh 脚本正确设置环境
$ source setup_hpu.sh --config v80 -p
## 引入 Xilinx 环境（2024 或 2025 版本）
$ source /opt/xilinx/Vivado/2024.2/settings64.sh
$ xsdb -eval "connect;puts [lsort -unique [regex -all -inline {( XFL[A-Z0-9]*)} [targets -target-properties]]]"
****** Xilinx hw_server v2024.2
  **** Build date : Oct 29 2024 at 10:16:47
    ** Copyright 1986-2022 Xilinx, Inc. All Rights Reserved.
    ** Copyright 2022-2024 Advanced Micro Devices, Inc. All Rights Reserved.

INFO: hw_server application started
INFO: Use Ctrl-C to exit hw_server application

INFO: To connect to this hw_server instance use url: TCP:127.0.0.1:3121

{ XFL12E5XJHWLA}
$ export V80_SERIAL_NUMBER=XFL12E5XJHWL
$ ./target/release/examples/hpu_bench --integer-w 64 --integer-w 32 --iop MUL --iter 10
$ ./target/release/examples/hpu_hlapi

注意：当".hpu"文件没有正确获取时发生的错误可能有点神秘：memory allocation of ... bytes failed 如果遇到此问题，应运行以下命令：
make pull_hpu_files
注意：tfhe-hpu-backend此时只能使用一个V80板，但是如果你的服务器上有多个板，则可以执行
$ . setup_hpu.sh --config v80 -p
getopt: option requires an argument -- 'p'
Please select a device in following list (1st two digits):
24:00.1 Processing accelerators: Xilinx Corporation Device 50b5
61:00.1 Processing accelerators: Xilinx Corporation Device 50b5
$ . setup_hpu.sh --config v80 -p 61
$ source /opt/xilinx/Vivado/2024.2/settings64.sh
# 如果加载了AMI驱动程序并且运行的AMC版本是预期的版本
$ cat /sys/module/ami/drivers/pci\:ami/0000\:61\:00.0/board_serial
XFL1UKRD42KW
# 列出USB JTAG上可用的序列号
$ xsdb -eval "connect;puts [lsort -unique [regex -all -inline {( XFL[A-Z0-9]*)} [targets -target-properties]]]"
...
{ XFL12E5XJHWLA} { XFL1UKRD42KWA}
$ export V80_SERIAL_NUMBER=XFL1UKRD42KW
$ ./target/release/examples/hpu_hlapi
注意：默认情况下，setup_hpu.sh会将AMI_PATH设置为类似/opt/v80/ami/e55d02d的路径，其中e55d02d是AMI驱动程序的git修订版。为了正确运行，你需要将来自此修订版的已编译的ami.ko放在此目录中，或者将AMI_PATH设置为你的AVED提取：
export AMI_PATH=/home/user/AVED/sw/AMI/driver/

测试框架

tfhe-rs中还支持一组测试。测试在各种整数宽度的测试包中收集。这些测试有5个子类：

alu：运行并检查所有ct x ct IOp
alus：运行并检查所有ct x 标量IOp
bitwise：运行并检查所有按位IOp
cmp：运行并检查所有比较IOp
ternary：运行并检查三元运算
algo: 运行并检查专用于卸载小型算法的IOp

以下代码段给出了一些可用于测试的命令示例：

## 使用 setup_hpu.sh 脚本正确设置环境
source setup_hpu.sh --config v80 -p

## 运行64b整数宽度的所有子类
cargo test --release --features="hpu-v80" --test hpu -- u64

## 仅运行所有整数宽度IOp 的 `bitwise` 子类
cargo test --release --features="hpu-v80" --test hpu -- bitwise

基准测试框架

HPU完全集成在tfhe基准测试系统中。性能结果可以从HighLevelApi或Integer Api中提取。可以通过以下Makefile目标启动三个基准测试，以简化操作：

## 不要忘记事先正确设置环境
source setup_hpu.sh --config v80 -p

## 运行 hlapi 基准测试
make test_high_level_api_hpu

## 运行 hlapi erc20 基准测试
make bench_hlapi_erc20_hpu 

## 运行整数级别基准测试
make bench_integer_hpu

渴望在没有真实硬件的情况下启动？

你是否仍在等待你的FPGA板，并对交货时间感到沮丧？不用担心，你有备份。tfhe-rs中提供了一个专用的仿真基础设施，具有准确的性能估算。你可以在任何linux/MacOs上使用它来测试HPU在tfhe-rs中的集成，并为HPU目标优化你的应用程序。只需看一眼 Hpu mockup，然后按照说明操作即可。

原文链接： github.com/zama-ai/tfhe-...

登链社区 AI 助手，为大家转译优秀英文文章，如有翻译不通的地方，还请包涵～

本文参与登链社区写作激励计划，好文好收益，欢迎正在阅读的你也加入。