Instalace grafických karet ATI a NVIDIA do Backtrack

Obsah
Výchozí Zpět není nakonfigurován pro používání grafických karet TOBĚ Y NVIDIAproto nebudete moci používat jednotku grafického procesoru, GPU. V tomto tutoriálu krok za krokem uvidíme, jak je nainstalovat a nakonfigurovat, abyste z nich dostali maximum GPU.
Abychom mohli intenzivnější výpočetní úkoly provádět rychleji a efektivněji, využijeme výhod technologie TOBĚ a jeho součásti, podívejme se, jak to děláme.

1. Stahujeme ovladače TOBĚ požadované naším systémem:

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

ZVĚTŠIT

2. Instalaci zahájíme zadáním následujícího příkazu:

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

3. Po dokončení instalace restartujeme systém, aby se změny projevily a předešlo nestabilitě systému.

4. Nyní nainstalujeme potřebné závislosti pro následující kroky:

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

5. Stáhneme a rozbalíme soubor SDK z AMD podle architektury našeho počítače:

 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. Nainstalujeme SDK z AMD s následujícím příkazem:

sh Install-AMD-APP.sh

7. Nastavili jsme trasu ATI Stream v souboru .bashrc:

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

8. Stahujeme a kompilujeme CAL ++:

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

9. Stahujeme a kompilujeme 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. Vytváříme závislosti a instalujeme OpenCL:

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

11. Poté, co jsme zkompilovali a nainstalovali zbývající součásti, provedeme několik změn v konfiguraci cpyrit_calpp:

 cd / tmp / pyrit_source / cpyrit_calpp vi setup.py Nahradíme následující řádek: VERSION = '0.4.0-dev' Tímto: VERSION = '0.4.1-dev' 

A následující řádek:
CALPP_INC_DIRS.append (os.path.join (CALPP_INC_DIR, 'include'))

Měníme to na následující:
CALPP_INC_DIRS.append (os.path.join (CALPP_INC_DIR, 'include / CAL'))

11. Nakonec modul přidáme ATI GPU na Pyrit dokončení instalace:

 python setup.py build python setup.py install 


Abychom zvýšili výkon našeho CPU zejména pro scénáře prolomení hesla, nainstalujeme vývojový ovladač NVIDIA jakož i Sada nástrojů CUDA. Podívejme se krok za krokem, jak to děláme:

1. Stahovali jsme vývojový ovladač z NVIDIA podle architektury našeho počítače:

 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] 

ZVĚTŠIT

2. Nainstalujeme ovladač:

 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. Stáhli jsme soubor Sada nástrojů CUDA:

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

4. Nainstalujeme Sada nástrojů CUDA v adresáři / opt:

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

5. Nastavili jsme požadované proměnné prostředí tak, aby nvcc práce:

 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. Spustíme následující příkaz, aby se proměnné projevily:

 zdroj ~ / .bashrc ldconfig 

7. Nainstalujeme závislosti Pyrit:

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

8. Stahujeme a instalujeme nástroje Pyrit:

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

9. Nakonec modul přidáme GPU NVIDIA na Pyrit:

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

S nainstalovanými a nakonfigurovanými grafickými kartami můžeme provádět úlohy, které spotřebovávají obrovské množství zdrojů, aniž by to ovlivnilo výkon nebo rychlost našeho počítače, a tak z distribuce vytěžit maximum.Líbil se vám tento návod a pomohl mu?Autora můžete odměnit stisknutím tohoto tlačítka, čímž mu dáte kladný bod
wave wave wave wave wave