Per eseguire attività computazionali intense in modo più rapido ed efficiente, sfrutteremo la tecnologia A TE e i suoi componenti, vediamo come lo facciamo.
1. Scarichiamo i driver A TE richiesto dal nostro sistema:
cd / tmp / wget http://www2.ati.com/drivers/linux/amd-driver-installer-12-1-x86.x86_64.run
INGRANDIRE
2. Avviamo l'installazione digitando il seguente comando:
sh amd-driver-installer-12-1-x86.x86_64.run
3. Al termine dell'installazione, riavviamo il sistema per rendere effettive le modifiche e per prevenire l'instabilità del sistema.
4. Ora installiamo le dipendenze necessarie per i seguenti passaggi:
apt-get install libro t-python-dev libboost-python-dev libboost1.40-all-dev cmake
5. Scarichiamo e decomprimiamo il SDK di AMD secondo l'architettura del nostro 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. Installiamo il SDK del AMD con il seguente comando:
sh Installa-AMD-APP.sh
7. Abbiamo impostato il percorso di ATI Stream nel file .bashrc:
echo export ATISTREAMSDKROOT = / opt / AMDAPP / >> ~ / .bashrc source ~ / .bashrc
8. Scarichiamo e compiliamo CAL ++:
cd / tmp / svn co https://calpp.svn.sourceforge.net/svnroot/calpp calpp cd calpp / trunk cmake make make install
9. Scarichiamo e compiliamo Pyrit:
cd / tmp / svn co http://pyrit.googlecode.com/svn/trunk/ pyrit_src cd pyrit_src / pyrit python setup.py crea python setup.py installa
10. Costruiamo le dipendenze e installiamo ApriCL:
[/ indent] cd / tmp / pyrit_src / cpyrit_opencl python setup.py build python setup.py installa
11. Dopo aver compilato e installato il resto dei componenti, apportiamo alcune modifiche alla configurazione di cpyrit_calpp:
cd / tmp / pyrit_source / cpyrit_calpp vi setup.py Sostituiamo la seguente riga: VERSION = '0.4.0-dev' Con questo: VERSION = '0.4.1-dev'
E la seguente riga:
CALPP_INC_DIRS.append (os.path.join (CALPP_INC_DIR, 'include'))
Lo modifichiamo come segue:
CALPP_INC_DIRS.append (os.path.join (CALPP_INC_DIR, 'include / CAL'))
11. Infine aggiungiamo il modulo GPU ATI a Pyrit per completare l'installazione:
python setup.py crea python setup.py installa
Per aumentare le prestazioni della nostra CPU, in particolare per gli scenari di violazione delle password, installeremo il driver di sviluppo di NVIDIA così come Toolkit CUDA. Vediamo passo passo come lo facciamo:
1. Abbiamo scaricato il driver di sviluppo da NVIDIA secondo l'architettura del nostro 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]
INGRANDIRE
2. Installiamo il 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. Abbiamo scaricato il Toolkit CUDA:
wget http: //developer.download.nvidia.com/compute/cuda/4_1/rel/toolkit / cudatoolkit_4.1.28_linux_64_ubuntu11.04.run
4. Installiamo il Toolkit CUDA nella directory /opt:
chmod + x cudatoolkit_4.1.28_linux_64_ubuntu11.04.run ./cudatoolkit_4.1.28_linux_64_ubuntu11.04.run
5. Impostiamo le variabili di ambiente richieste in modo che nvcc lavoro:
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. Eseguiamo il seguente comando per rendere effettive le variabili:
sorgente ~ / .bashrc ldconfig
7. Installiamo le dipendenze di Pyrit:
apt-get install libssl-dev python-dev python-scapy
8. Scarichiamo e installiamo gli strumenti Pyrit:
svn co http://pyrit.googlecode.com/svn/trunk/ pyrit_src cd pyrit_src / pyrit python setup.py crea python setup.py installa
9. Infine aggiungiamo il modulo GPU NVIDIA a Pyrit:
cd / tmp / pyrit_src / cpyrit_cuda python setup.py build python setup.py installa
Con le nostre schede video installate e configurate, possiamo eseguire quelle attività che consumano un'enorme quantità di risorse senza influire sulle prestazioni o sulla velocità del nostro computer e quindi ottenere il massimo dalla nostra distribuzione.Ti è piaciuto e hai aiutato questo Tutorial?Puoi premiare l'autore premendo questo pulsante per dargli un punto positivo
