NEXUS开源项目使用教程
2025-04-17 01:22:59作者:宣海椒Queenly
1. 项目介绍
NEXUS是一个基于RNS-CKKS的非交互式安全Transformer推理协议。该协议旨在提供一种安全的方式来执行Transformer模型的推理,而不需要用户与服务器进行多次交互。NEXUS项目的实现使用了C++和CUDA编程语言,并且提供了一个GPU加速版本。
2. 项目快速启动
在开始之前,请确保您的系统已经安装了必要的依赖项。
安装SEAL库
NEXUS使用了一个修改过的(支持启动友好的)Microsoft SEAL版本4. 在编译NEXUS之前,请先安装包含在仓库中的SEAL库:
# 进入SEAL库目录
cd thirdparty/SEAL-4.1-bs
# 编译SEAL库
mkdir build Seal
cd build Seal
cmake ..
make
编译NEXUS
SEAL库安装完成后,可以开始编译NEXUS:
# 创建构建目录
mkdir build
# 进入构建目录
cd build
# 配置并编译
cmake ..
make
编译完成后,在build目录下将会生成两个可执行文件:bin/main 和 bin/bootstrapping。
3. 应用案例和最佳实践
NEXUS项目的应用案例主要集中在需要结合具体的Transformer模型推理场景。以下是一些最佳实践的指导:
- 确保在安全的计算环境中使用NEXUS。
- 在部署之前,彻底测试NEXUS以验证其安全性和性能。
- 遵循项目文档中的指导进行配置和优化。
4. 典型生态项目
NEXUS作为安全Transformer推理的解决方案,可以与其他开源项目配合使用,以下是一些典型的生态项目:
- TensorFlow 或 PyTorch:这些流行的机器学习框架可以用于训练Transformer模型,然后将模型转换为NEXUS支持的格式。
- Docker:使用Docker可以简化NEXUS的部署和运行环境。
- Kubernetes:在分布式环境中,Kubernetes可以帮助管理NEXUS的扩展和自动化部署。
通过将NEXUS集成到这些生态项目中,可以构建更加完整的安全计算解决方案。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
615
140
Ascend Extension for PyTorch
Python
168
190
React Native鸿蒙化仓库
JavaScript
240
315
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
258
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
373
3.19 K
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.09 K
618
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
62
19
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
262
92