För att kunna utföra intensiva beräkningsuppgif.webpter snabbare och mer effektivt kommer vi att dra nytta av tekniken TILL DIG och dess komponenter, låt oss se hur vi gör detta.
1. Vi laddar ner drivrutinerna TILL DIG krävs av vårt system:
cd/tmp/wget http://www2.ati.com/drivers/linux/amd-driver-installer- 12-1-x86.x86_64.run
FÖRSTORA
2. Vi startar installationen genom att skriva följande kommando:
sh amd-driver-installer-12-1-x86.x86_64.run
3. När installationen är klar startar vi om systemet för att ändringarna ska träda i kraft och för att förhindra instabilitet i systemet.
4. Nu installerar vi de nödvändiga beroenden för följande steg:
apt-get installera boken t-python-dev libboost-python-dev libboost1.40-all-dev cmake
5. Vi laddar ner och packar upp SDK av AMD enligt vår dators arkitektur:
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. Vi installerar SDK av AMD med följande kommando:
sh Install-AMD-APP.sh
7. Vi bestämde rutten för ATI Stream i filen .bashrc:
echo export ATISTREAMSDKROOT = / opt / AMDAPP / >> ~ / .bashrc källa ~ / .bashrc
8. Vi laddar ner och sammanställer CAL ++:
cd/tmp/svn co https://calpp.svn.sourceforge.net/svnroot/calpp calpp cd calpp/trunk cmake make make install
9. Vi laddar ner och sammanställer 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. Vi bygger beroenden och installerar OpenCL:
[ / indent] cd / tmp / pyrit_src / cpyrit_opencl python setup.py build python setup.py install
11. Efter att ha sammanställt och installerat resten av komponenterna gör vi några ändringar i konfigurationen av cpyrit_calpp:
cd / tmp / pyrit_source / cpyrit_calpp vi setup.py Vi ersätter följande rad: VERSION = '0.4.0-dev' Med detta: VERSION = '0.4.1-dev'
Och följande rad:
CALPP_INC_DIRS.append (os.path.join (CALPP_INC_DIR, 'inkludera'))
Vi ändrar det till följande:
CALPP_INC_DIRS.append (os.path.join (CALPP_INC_DIR, 'include / CAL'))
11. Slutligen lägger vi till modulen ATI GPU till Pyrit för att slutföra installationen:
python setup.py build python setup.py install
För att öka prestandan för vår CPU speciellt för lösenordsprickscenarier kommer vi att installera utvecklingsdrivrutinen för NVIDIA såväl som CUDA verktygslåda. Låt oss se steg för steg hur vi gör det:
1. Vi laddade ner utvecklingsdrivrutinen från NVIDIA enligt vår dators arkitektur:
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]
FÖRSTORA
2. Vi installerar drivrutinen:
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. Vi laddade ner CUDA verktygslåda:
wget http: //developer.download.nvidia.com/compute/cuda/4_1/rel/tool kit/cudatoolkit_4.1.28_linux_64_ubuntu11.04.run
4. Vi installerar CUDA verktygslåda i katalogen / opt:
chmod + x cudatoolkit_4.1.28_linux_64_ubuntu11.04.run ./cudatoolkit_4.1.28_linux_64_ubuntu11.04.run
5. Vi ställer in de nödvändiga miljövariablerna så att nvcc arbete:
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_LIBRARY_PATH >> ~ / .bashrc
6. Vi kör följande kommando för att variablerna ska träda i kraft:
källa ~ / .bashrc ldconfig
7. Vi installerar beroenden av Pyrit:
apt-get install libssl-dev python-dev python-scapy
8. Vi laddar ner och installerar verktygen Pyrit:
svn co http://pyrit.googlecode.com/svn/trunk/ pyrit_src cd pyrit_src/pyrit python setup.py build python setup.py install
9. Slutligen lägger vi till modulen NVIDIA GPU till Pyrit:
cd / tmp / pyrit_src / cpyrit_cuda python setup.py build python setup.py install
Med våra grafikkort installerade och konfigurerade kan vi utföra de uppgif.webpter som kräver mycket resurser utan att påverka datorns prestanda eller hastighet och därmed få ut det mesta av vår distribution.Gillade du och hjälpte denna handledning?Du kan belöna författaren genom att trycka på den här knappen för att ge honom en positiv poäng
