За да изпълняваме интензивни изчислителни задачи по -бързо и по -ефективно, ще се възползваме от технологиите ЗА ТЕБ и неговите компоненти, нека видим как ще направим това.
1. Изтегляме драйверите ЗА ТЕБ изисквани от нашата система:
cd/tmp/wget http://www2.ati.com/drivers/linux/amd-driver-installer- 12-1-x86.x86_64.run
Увеличете
2. Стартираме инсталацията, като въведем следната команда:
sh amd-driver-installer-12-1-x86.x86_64.run
3. Когато инсталацията приключи, рестартираме системата, за да влязат в сила промените и да предотвратим нестабилността на системата.
4. Сега инсталираме необходимите зависимости за следните стъпки:
apt-get install book t-python-dev libboost-python-dev libboost1.40-all-dev cmake
5. Изтегляме и разархивираме SDK на AMD според архитектурата на нашия компютър:
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. Ние инсталираме SDK от AMD със следната команда:
sh Инсталирайте-AMD-APP.sh
7. Зададохме маршрута на ATI поток във файла .bashrc:
ехо експортиране ATISTREAMSDKROOT = / opt / AMDAPP / >> ~ / .bashrc източник ~ / .bashrc
8. Изтегляме и компилираме CAL ++:
cd/tmp/svn co https://calpp.svn.sourceforge.net/svnroot/calpp calpp cd calpp/trunk cmake make make install
9. Изтегляме и компилираме Пирит:
cd/ tmp/ svn co http://pyrit.googlecode.com/svn/trunk/ pyrit_src cd pyrit_src/ pyrit python setup.py изграждане на python setup.py инсталиране
10. Изграждаме зависимости и инсталираме OpenCL:
[ / indent] cd / tmp / pyrit_src / cpyrit_opencl python setup.py изграждане на python setup.py инсталиране
11. След като сме съставили и инсталирали останалите компоненти, правим няколко промени в конфигурацията на cpyrit_calpp:
cd / tmp / pyrit_source / cpyrit_calpp vi setup.py Заменяме следния ред: VERSION = '0.4.0-dev' С това: VERSION = '0.4.1-dev'
И следният ред:
CALPP_INC_DIRS.append (os.path.join (CALPP_INC_DIR, 'include'))
Променяме го на следното:
CALPP_INC_DIRS.append (os.path.join (CALPP_INC_DIR, 'include / CAL'))
11. Накрая добавяме модула ATI графичен процесор да се Пирит за да завършите инсталацията:
python setup.py build python setup.py install
За да увеличим производителността на нашия процесор, особено при сценарии за пробиване на пароли, ще инсталираме драйвера за разработка на NVIDIA както и CUDA инструментариум. Нека да видим стъпка по стъпка как го правим:
1. Изтеглихме драйвера за разработка от NVIDIA според архитектурата на нашия компютър:
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]
Увеличете
2. Инсталираме драйвера:
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. Ние изтеглихме CUDA инструментариум:
wget http: //developer.download.nvidia.com/compute/cuda/4_1/rel/tool kit/cudatoolkit_4.1.28_linux_64_ubuntu11.04.run
4. Ние инсталираме CUDA инструментариум в директорията / opt:
chmod + x cudatoolkit_4.1.28_linux_64_ubuntu11.04.run ./cudatoolkit_4.1.28_linux_64_ubuntu11.04.run
5. Зададохме необходимите променливи на средата така, че nvcc работа:
echo PATH = $ PATH: / opt / cuda / bin >> ~ / .bashrc echo LD_LIBRARY_PATH = $ LD_LIBRARY_PATH: / opt / cuda / lib >> ~ / .bashrc ехо експортиране PATH >> ~ / .bashrc ехо експортиране LD_LIBRARY_PATH >> ~ / .bashrc
6. Изпълняваме следната команда, за да влязат в сила променливите:
източник ~ / .bashrc ldconfig
7. Инсталираме зависимостите на Пирит:
apt-get install libssl-dev python-dev python-scapy
8. Изтегляме и инсталираме инструментите Пирит:
svn co http://pyrit.googlecode.com/svn/trunk/ pyrit_src cd pyrit_src/pyrit python setup.py изграждане на python setup.py инсталиране
9. Накрая добавяме модула NVIDIA GPU да се Пирит:
cd / tmp / pyrit_src / cpyrit_cuda python setup.py изграждане на python setup.py инсталиране
С нашите видеокарти, инсталирани и конфигурирани, можем да изпълняваме онези задачи, които консумират огромно количество ресурси, без това да влияе на производителността или скоростта на нашия компютър и по този начин да извлечем максимума от нашата дистрибуция.Хареса ли ви и помогнахте на този урок?Можете да възнаградите автора, като натиснете този бутон, за да му дадете положителна точка
