ATI un NVIDIA grafisko karšu instalēšana Backtrack

Satura rādītājs
Noklusējuma Atpakaļceļš nav konfigurēts grafisko karšu izmantošanai TEV Y NVIDIAtāpēc jūs nevarēsit izmantot grafisko procesoru, GPU. Šajā apmācībā mēs soli pa solim redzēsim, kā tos instalēt un konfigurēt, lai maksimāli izmantotu mūsu iespējas GPU.
Lai ātrāk un efektīvāk veiktu intensīvus skaitļošanas uzdevumus, mēs izmantosim tehnoloģiju priekšrocības TEV un tā sastāvdaļas, redzēsim, kā mēs to darām.

1. Mēs lejupielādējam draiverus TEV nepieciešama mūsu sistēmai:

 cd/tmp/wget http://www2.ati.com/drivers/linux/amd-driver-installer- 12-1-x86.x86_64.run 

PALIELINĀT

2. Mēs sākam instalēšanu, ierakstot šādu komandu:

sh amd-driver-installer-12-1-x86.x86_64.run

3. Kad instalēšana ir pabeigta, mēs pārstartējam sistēmu, lai izmaiņas stātos spēkā un novērstu sistēmas nestabilitāti.

4. Tagad mēs instalējam nepieciešamās atkarības šādām darbībām:

apt-get install book t-python-dev libboost-python-dev libboost1.40-all-dev cmake

5. Mēs lejupielādējam un izpakojam SDK no AMD saskaņā ar mūsu datora arhitektūru:

 wget http://developer.amd.com/Downloads/AMD-APP-SDK-v2.6- lnx64.tgz mkdir AMD-APP-SDK-v2.6-lnx64 tar zxvf AMD-APP-SDK-v2.6- lnx64.tgz -C /tmp/AMD-APP-SDK-v2.6- lnx64 cd AMD-APP-SDK-v2.6-lnx64 

6. Mēs instalējam SDK no AMD ar šādu komandu:

sh Install-AMD-APP.sh

7. Mēs noteicām maršrutu ATI straume Failā .bashrc:

 atbalss eksports ATISTREAMSDKROOT = / opt / AMDAPP / >> ~ / .bashrc avots ~ / .bashrc 

8. Mēs lejupielādējam un apkopojam CAL ++:

 cd/tmp/svn co https://calpp.svn.sourceforge.net/svnroot/calpp calpp cd calpp/bagāžnieks cmake make make install 

9. Mēs lejupielādējam un apkopojam Pyrit:

 cd/ tmp/ svn co http://pyrit.googlecode.com/svn/trunk/ pyrit_src cd pyrit_src/ pyrit python setup.py build python setup.py install 

10. Mēs veidojam atkarības un instalējam OpenCL:

[ / indent] cd / tmp / pyrit_src / cpyrit_opencl python setup.py build python setup.py install 

11. Pēc pārējo komponentu apkopošanas un instalēšanas mēs veicam dažas izmaiņas konfigurācijā cpyrit_calpp:

 cd / tmp / pyrit_source / cpyrit_calpp vi setup.py Mēs aizstājam šādu rindu: VERSION = '0.4.0-dev' Ar šo: VERSION = '0.4.1-dev' 

Un šāda rinda:
CALPP_INC_DIRS.append (os.path.join (CALPP_INC_DIR, 'include'))

Mēs to mainām uz šādu:
CALPP_INC_DIRS.append (os.path.join (CALPP_INC_DIR, 'include / CAL'))

11. Visbeidzot, mēs pievienojam moduli ATI GPU uz Pyrit lai pabeigtu instalēšanu:

 python setup.py veidot python setup.py instalēt 


Lai palielinātu mūsu CPU veiktspēju, īpaši attiecībā uz paroļu uzlaušanas scenārijiem, mēs instalēsim NVIDIA kā arī CUDA rīku komplekts. Apskatīsim soli pa solim, kā mēs to darām:

1. Mēs lejupielādējām izstrādes draiveri no NVIDIA saskaņā ar mūsu datora arhitektūru:

 cd/tmp/wget [url = "http://developer.download.nvidia.com/compute/cuda/4_1/rel/driv%20ers/NVIDIA-Linux-x86_64-285.05.33.run"] http: // developer.download.nvidia.com/compute/cuda/4_1/rel/driv ers/NVIDIA-Linux-x86_64-285.05.33.run [/url] 

PALIELINĀT

2. Mēs instalējam draiveri:

 chmod + x NVIDIA-Linux-x86_64-285.05.33.run ./NVIDIA-Linux-x86_64-285.05.33.run -kernel-source-path = ' / usr / src / linux' 

3. Mēs lejupielādējām CUDA rīku komplekts:

wget http: //developer.download.nvidia.com/compute/cuda/4_1/rel/tool ​​kit/cudatoolkit_4.1.28_linux_64_ubuntu11.04.run

4. Mēs instalējam CUDA rīku komplekts direktorijā / opt:

 chmod + x cudatoolkit_4.1.28_linux_64_ubuntu11.04.run ./cudatoolkit_4.1.28_linux_64_ubuntu11.04.run 

5. Mēs iestatījām nepieciešamos vides mainīgos tā, lai nvcc darbs:

 echo PATH = $ PATH: / opt / cuda / bin >> ~ / .bashrc echo LD_LIBRARY_PATH = $ LD_LIBRARY_PATH: / opt / cuda / lib >> ~ / .bashrc echo export PATH >> ~ / .bashrc echo export LD_BIBRARY_PATH >> ~ / .bashrc 

6. Mēs izpildām šādu komandu, lai mainīgie stātos spēkā:

 avots ~ / .bashrc ldconfig 

7. Mēs instalējam atkarības no Pyrit:

apt-get install libssl-dev python-dev python-scapy

8. Mēs lejupielādējam un instalējam rīkus Pyrit:

 svn co http://pyrit.googlecode.com/svn/trunk/ pyrit_src cd pyrit_src/pyrit python setup.py build python setup.py install 

9. Visbeidzot, mēs pievienojam moduli NVIDIA GPU uz Pyrit:

 cd / tmp / pyrit_src / cpyrit_cuda python setup.py build python setup.py install 

Ja mūsu videokartes ir instalētas un konfigurētas, mēs varam veikt tos uzdevumus, kas patērē milzīgu resursu daudzumu, neietekmējot datora veiktspēju vai ātrumu, un tādējādi maksimāli izmantot mūsu izplatīšanu.Vai jums patika šī apmācība un palīdzējāt tai?Jūs varat apbalvot autoru, nospiežot šo pogu, lai sniegtu viņam pozitīvu punktu

Jums palīdzēs attīstību vietā, daloties lapu ar draugiem

wave wave wave wave wave