✅ ATI ir NVIDIA vaizdo plokščių diegimas „Backtrack“

Turinys

Numatytas Atgalinis kelias nėra sukonfigūruotas naudoti vaizdo plokštes TAU Y NVIDIAtodėl negalėsite naudotis grafikos procesoriaus bloku GPU. Šioje pamokoje žingsnis po žingsnio pamatysime, kaip juos įdiegti ir sukonfigūruoti, kad išnaudotumėte visas mūsų galimybes GPU.
Siekdami greičiau ir efektyviau atlikti intensyvias skaičiavimo užduotis, pasinaudosime technologijomis TAU ir jo sudedamosios dalys, pažiūrėkime, kaip tai darome.

1. Atsisiųsime tvarkykles TAU reikalauja mūsų sistema:

 cd/tmp/wget http://www2.ati.com/drivers/linux/amd-driver-installer- 12-1-x86.x86_64.run

DIDELIS

2. Mes pradedame diegimą įvesdami šią komandą:

sh amd-driver-installer-12-1-x86.x86_64.run

3. Kai diegimas bus baigtas, iš naujo paleisime sistemą, kad pakeitimai įsigaliotų ir išvengtume sistemos nestabilumo.

4. Dabar įdiegiame būtinas priklausomybes šiems veiksmams:

apt-get install book t-python-dev libboost-python-dev libboost1.40-all-dev cmake

5. Atsisiųsime ir išpakuosime SDK apie AMD pagal mūsų kompiuterio architektūrą:

 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. Mes montuojame SDK iš AMD su tokia komanda:

sh Įdiekite-AMD-APP.sh

7. Mes nustatėme maršrutą ATI srautas faile .bashrc:

 aido eksportas ATISTREAMSDKROOT = / opt / AMDAPP / >> ~ / .bashrc šaltinis ~ / .bashrc

8. Atsisiųsime ir sudarome CAL ++:

 cd/tmp/svn co https://calpp.svn.sourceforge.net/svnroot/calpp calpp cd calpp/bagažinė cmake make make install

9. Atsisiųsime ir sudarome Pyritas:

 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. Kuriame priklausomybes ir montuojame „OpenCL“:

[ / indent] cd / tmp / pyrit_src / cpyrit_opencl python setup.py build python setup.py install

11. Surinkę ir įdiegę likusius komponentus, mes darome keletą konfigūracijos pakeitimų cpyrit_calpp:

 cd / tmp / pyrit_source / cpyrit_calpp vi setup.py Pakeičiame šią eilutę: VERSION = '0.4.0-dev' Taip: VERSION = '0.4.1-dev'

Ir tokia eilutė:

CALPP_INC_DIRS.append (os.path.join (CALPP_INC_DIR, 'include'))

Mes jį pakeičiame taip:

CALPP_INC_DIRS.append (os.path.join (CALPP_INC_DIR, 'include / CAL'))

11. Galiausiai pridedame modulį ATI GPU į Pyritas diegimui užbaigti:

 python setup.py build python setup.py install

Norėdami padidinti mūsų procesoriaus našumą, ypač taikant slaptažodžių krekingo scenarijus, įdiegsime kūrimo tvarkyklę NVIDIA taip pat kaip CUDA priemonių rinkinys. Pažiūrėkime žingsnis po žingsnio, kaip tai darome:

1. Atsisiuntėme kūrimo tvarkyklę iš NVIDIA pagal mūsų kompiuterio architektūrą:

 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]

DIDELIS

2. Įdiegiame tvarkyklę:

 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. Atsisiuntėme CUDA priemonių rinkinys:

wget http: //developer.download.nvidia.com/compute/cuda/4_1/rel/tool kit/cudatoolkit_4.1.28_linux_64_ubuntu11.04.run

4. Mes montuojame CUDA priemonių rinkinys kataloge / opt:

 chmod + x cudatoolkit_4.1.28_linux_64_ubuntu11.04.run ./cudatoolkit_4.1.28_linux_64_ubuntu11.04.run

5. Mes nustatome reikiamus aplinkos kintamuosius taip, kad nvcc darbas:

 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. Vykdome šią komandą, kad kintamieji įsigaliotų:

 šaltinis ~ / .bashrc ldconfig

7. Įdiegiame priklausomybes Pyritas:

apt-get install libssl-dev python-dev python-scapy

8. Atsisiunčiame ir įdiegiame įrankius Pyritas:

 svn co http://pyrit.googlecode.com/svn/trunk/ pyrit_src cd pyrit_src/pyrit python setup.py build python setup.py install

9. Galiausiai pridedame modulį NVIDIA GPU į Pyritas:

 cd / tmp / pyrit_src / cpyrit_cuda python setup.py build python setup.py install

Įdiegę ir sukonfigūravę vaizdo plokštes, mes galime atlikti tas užduotis, kurios sunaudoja daug išteklių, nepaveikdamos kompiuterio našumo ar greičio, ir taip išnaudoti visas savo platinimo galimybes.Ar jums patiko ir padėjo ši pamoka?Galite apdovanoti autorių paspausdami šį mygtuką, kad suteiktumėte jam teigiamą tašką