Instaliranje ATI i NVIDIA grafičkih kartica u Backtrack

Sadržaj
Zadano Povratak nije konfigurirano za korištenje grafičkih kartica TEBI Y NVIDIAstoga nećete moći koristiti grafičku procesorsku jedinicu, GPU. U ovom ćemo vodiču korak po korak vidjeti kako ih instalirati i konfigurirati kako bismo najbolje iskoristili naše mogućnosti GPU.
Kako bismo brže i učinkovitije izvršavali intenzivne računalne zadatke, iskoristit ćemo tehnologiju TEBI i njegove komponente, da vidimo kako ćemo to učiniti.

1. Preuzimamo upravljačke programe TEBI zahtijeva naš sustav:

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

POVEĆAJTE

2. Instalaciju započinjemo upisivanjem sljedeće naredbe:

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

3. Kad je instalacija dovršena, ponovno pokrećemo sustav kako bi promjene stupile na snagu i spriječile nestabilnost sustava.

4. Sada instaliramo potrebne ovisnosti za sljedeće korake:

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

5. Preuzimamo i raspakiramo SDK od AMD prema arhitekturi našeg računala:

 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. Instaliramo SDK od AMD sa sljedećom naredbom:

sh Instalirajte-AMD-APP.sh

7. Odredili smo rutu od ATI Stream u Datoteci .bashrc:

 echo export ATISTREAMSDKROOT = / opt / AMDAPP / >> ~ / .bashrc izvor ~ / .bashrc 

8. Preuzimamo i kompiliramo CAL ++:

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

9. Preuzimamo i kompiliramo 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. Gradimo ovisnosti i instaliramo OpenCL:

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

11. Nakon što smo sastavili i instalirali ostale komponente, napravimo nekoliko promjena u konfiguraciji cpyrit_calpp:

 cd / tmp / pyrit_source / cpyrit_calpp vi setup.py Zamjenjujemo sljedeći redak: VERSION = '0.4.0-dev' Ovim: VERSION = '0.4.1-dev' 

I sljedeći redak:
CALPP_INC_DIRS.append (os.path.join (CALPP_INC_DIR, 'include'))

Mijenjamo ga na sljedeće:
CALPP_INC_DIRS.append (os.path.join (CALPP_INC_DIR, 'include / CAL'))

11. Na kraju dodajemo modul ATI GPU do Pyrit da biste dovršili instalaciju:

 python setup.py build python setup.py install 


Kako bismo povećali performanse našeg CPU -a, posebno za scenarije razbijanja lozinki, instalirat ćemo razvojni upravljački program za NVIDIA kao i CUDA alat. Pogledajmo korak po korak kako to radimo:

1. Preuzeli smo upravljački program za razvoj iz NVIDIA prema arhitekturi našeg računala:

 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] 

POVEĆAJTE

2. Instaliramo upravljački program:

 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. Preuzeli smo CUDA alat:

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

4. Instaliramo CUDA alat u direktoriju / opt:

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

5. Postavili smo potrebne varijable okruženja tako da nvcc raditi:

 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. Pokrećemo sljedeću naredbu kako bi varijable stupile na snagu:

 izvor ~ / .bashrc ldconfig 

7. Instaliramo ovisnosti o Pyrit:

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

8. Preuzimamo i instaliramo alate Pyrit:

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

9. Na kraju dodajemo modul NVIDIA GPU do Pyrit:

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

S instaliranim i konfiguriranim video karticama možemo obavljati one zadatke koji troše ogromnu količinu resursa bez utjecaja na performanse ili brzinu našeg računala i tako izvući maksimum iz naše distribucije.Je li vam se svidio i pomogao ovaj vodič?Autor možete nagraditi pritiskom na ovaj gumb kako biste mu dali pozitivan bod
wave wave wave wave wave