For at udføre intense beregningsopgaver hurtigere og mere effektivt vil vi drage fordel af teknologi TIL DIG og dets komponenter, lad os se, hvordan vi gør dette.
1. Vi downloader driverne TIL DIG krævet af vores system:
cd/tmp/wget http://www2.ati.com/drivers/linux/amd-driver-installer- 12-1-x86.x86_64.run
FORSTØRRE
2. Vi starter installationen ved at skrive følgende kommando:
sh amd-driver-installer-12-1-x86.x86_64.run
3. Når installationen er fuldført, genstarter vi systemet, for at ændringerne træder i kraft og for at forhindre system ustabilitet.
4. Nu installerer vi de nødvendige afhængigheder til følgende trin:
apt-get installer bog t-python-dev libboost-python-dev libboost1.40-all-dev cmake
5. Vi downloader og pakker ud SDK af AMD ifølge vores computers 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 installerer SDK af AMD med følgende kommando:
sh Installer-AMD-APP.sh
7. Vi satte ruten til ATI Stream i filen .bashrc:
ekko eksport ATISTREAMSDKROOT = / opt / AMDAPP / >> ~ / .bashrc kilde ~ / .bashrc
8. Vi downloader og kompilerer CAL ++:
cd/tmp/svn co https://calpp.svn.sourceforge.net/svnroot/calpp calpp cd calpp/trunk cmake make make install
9. Vi downloader og kompilerer 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 afhængighederne og installerer OpenCL:
[ / indent] cd / tmp / pyrit_src / cpyrit_opencl python setup.py build python setup.py install
11. Efter at have samlet og installeret resten af komponenterne, foretager vi et par ændringer i konfigurationen af cpyrit_calpp:
cd / tmp / pyrit_source / cpyrit_calpp vi setup.py Vi erstatter følgende linje: VERSION = '0.4.0-dev' Med dette: VERSION = '0.4.1-dev'
Og følgende linje:
CALPP_INC_DIRS.append (os.path.join (CALPP_INC_DIR, 'inklusiv'))
Vi ændrer det til følgende:
CALPP_INC_DIRS.append (os.path.join (CALPP_INC_DIR, 'include / CAL'))
11. Endelig tilføjer vi modulet ATI GPU til Pyrit for at afslutte installationen:
python setup.py build python setup.py installation
For at øge ydeevnen for vores CPU, især til scenarier til cracking af adgangskoder, installerer vi udviklingsdriveren til NVIDIA såvel som CUDA værktøjskasse. Lad os se trin for trin hvordan vi gør det:
1. Vi downloadede udviklingsdriveren fra NVIDIA ifølge vores computers 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]
FORSTØRRE
2. Vi installerer driveren:
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 downloadede CUDA værktøjskasse:
wget http: //developer.download.nvidia.com/compute/cuda/4_1/rel/tool kit/cudatoolkit_4.1.28_linux_64_ubuntu11.04.run
4. Vi installerer CUDA værktøjskasse i / opt biblioteket:
chmod + x cudatoolkit_4.1.28_linux_64_ubuntu11.04.run ./cudatoolkit_4.1.28_linux_64_ubuntu11.04.run
5. Vi indstiller de nødvendige miljøvariabler, så nvcc arbejde:
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 kører følgende kommando for at variablerne får virkning:
kilde ~ / .bashrc ldconfig
7. Vi installerer afhængighederne af Pyrit:
apt-get install libssl-dev python-dev python-scapy
8. Vi downloader og installerer værktøjerne Pyrit:
svn co http://pyrit.googlecode.com/svn/trunk/ pyrit_src cd pyrit_src/pyrit python setup.py build python setup.py install
9. Endelig tilføjer vi modulet NVIDIA GPU til Pyrit:
cd / tmp / pyrit_src / cpyrit_cuda python setup.py build python setup.py installation
Med vores grafikkort installeret og konfigureret kan vi udføre de opgaver, der forbruger en enorm mængde ressourcer uden at påvirke ydeevnen eller hastigheden på vores computer og dermed få mest muligt ud af vores distribution.Kan du lide og hjælpe denne vejledning?Du kan belønne forfatteren ved at trykke på denne knap for at give ham et positivt punkt
