Om intensieve rekentaken sneller en efficiënter uit te voeren, zullen we profiteren van technologie AAN JOU en zijn componenten, laten we eens kijken hoe we dit doen.
1. Wij downloaden de stuurprogramma's AAN JOU vereist door ons systeem:
cd / tmp / wget http://www2.ati.com/drivers/linux/amd-driver-installer-12-1-x86.x86_64.run
VERGROTEN
2. We starten de installatie door het volgende commando te typen:
sh amd-driver-installer-12-1-x86.x86_64.run
3. Wanneer de installatie is voltooid, herstarten we het systeem om de wijzigingen door te voeren en om systeeminstabiliteit te voorkomen.
4. Nu installeren we de benodigde afhankelijkheden voor de volgende stappen:
apt-get installatieboek t-python-dev libboost-python-dev libboost1.40-all-dev cmake
5. We downloaden en unzippen de SDK van AMD volgens de architectuur van onze computer:
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. Wij installeren de SDK van de AMD met het volgende commando:
sh Install-AMD-APP.sh
7. We zetten de route van ATI-stream in het bestand .bashrc:
echo export ATISTREAMSDKROOT = / opt / AMDAPP / >> ~ / .bashrc bron ~ / .bashrc
8. Wij downloaden en compileren CAL ++:
cd / tmp / svn co https://calpp.svn.sourceforge.net/svnroot/calpp calpp cd calpp / trunk cmake make make install
9. Wij downloaden en compileren Pyrit:
cd / tmp / svn co http://pyrit.googlecode.com/svn/trunk/ pyrit_src cd pyrit_src / pyrit python setup.py build python setup.py installeren
10. We bouwen de afhankelijkheden en installeren OpenCL:
[/ streepje] cd / tmp / pyrit_src / cpyrit_opencl python setup.py build python setup.py installeren
11. Nadat we de rest van de componenten hebben gecompileerd en geïnstalleerd, brengen we een paar wijzigingen aan in de configuratie van: cpyrit_calpp:
cd / tmp / pyrit_source / cpyrit_calpp vi setup.py We vervangen de volgende regel: VERSION = '0.4.0-dev' Hiermee: VERSION = '0.4.1-dev'
En de volgende regel:
CALPP_INC_DIRS.append (os.path.join (CALPP_INC_DIR, 'opnemen'))
We veranderen het in het volgende:
CALPP_INC_DIRS.append (os.path.join (CALPP_INC_DIR, 'inclusief / CAL'))
11. Eindelijk voegen we de module toe ATI GPU tot Pyrit om de installatie te voltooien:
python setup.py build python setup.py installeren
Om de prestaties van onze CPU te verbeteren, met name voor scenario's voor het kraken van wachtwoorden, installeren we de ontwikkelingsdriver van: NVIDIA net zoals CUDA-toolkit. Laten we stap voor stap bekijken hoe we het doen:
1. We hebben het ontwikkelingsstuurprogramma gedownload van: NVIDIA volgens de architectuur van onze computer:
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/drivers / NVIDIA-Linux-x86_64-285.05.33.run [/ url]
VERGROTEN
2. Wij installeren de driver:
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. We hebben de . gedownload CUDA-toolkit:
wget http://developer.download.nvidia.com/compute/cuda/4_1/rel/toolkit /cudatoolkit_4.1.28_linux_64_ubuntu11.04.run
4. Wij installeren de CUDA-toolkit in de / opt map:
chmod + x cudatoolkit_4.1.28_linux_64_ubuntu11.04.run ./cudatoolkit_4.1.28_linux_64_ubuntu11.04.run
5. We stellen de vereiste omgevingsvariabelen zo in dat: nvcc werk:
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. We voeren de volgende opdracht uit om de variabelen van kracht te laten worden:
bron ~ / .bashrc ldconfig
7. We installeren de afhankelijkheden van Pyrit:
apt-get install libssl-dev python-dev python-scapy
8. Wij downloaden en installeren de tools Pyrit:
svn co http://pyrit.googlecode.com/svn/trunk/ pyrit_src cd pyrit_src / pyrit python setup.py build python setup.py installeren
9. Eindelijk voegen we de module toe NVIDIA-GPU tot Pyrit:
cd / tmp / pyrit_src / cpyrit_cuda python setup.py build python setup.py installeren
Met onze videokaarten geïnstalleerd en geconfigureerd, kunnen we die taken uitvoeren die een enorme hoeveelheid bronnen verbruiken zonder de prestaties of snelheid van onze computer te beïnvloeden en zo het meeste uit onze distributie te halen.Vond je deze Tutorial leuk en heb je eraan geholpen?Je kunt de auteur belonen door op deze knop te drukken om hem een positief punt te geven
