Instalowanie kart graficznych ATI i NVIDIA w Backtrack

Domyślny Wracać nie skonfigurowany do korzystania z kart graficznych TOBIE Tak NVIDIAdlatego nie będzie można korzystać z procesora graficznego, GPU. W tym samouczku zobaczymy krok po kroku, jak je zainstalować i skonfigurować, aby w pełni wykorzystać nasze GPU.
Aby szybciej i wydajniej wykonywać intensywne zadania obliczeniowe, skorzystamy z technologii TOBIE i jego składniki, zobaczmy, jak to robimy.

1. Pobieramy sterowniki TOBIE wymagane przez nasz system:

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

POWIĘKSZAĆ

2. Instalację rozpoczynamy od wpisania następującego polecenia:

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

3. Po zakończeniu instalacji ponownie uruchamiamy system, aby zmiany zaczęły obowiązywać i zapobiec niestabilności systemu.

4. Teraz instalujemy niezbędne zależności dla następujących kroków:

apt-get książka instalacyjna t-python-dev libboost-python-dev libboost1.40-all-dev cmake

5. Pobieramy i rozpakowujemy SDK z AMD zgodnie z architekturą naszego komputera:

 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. Instalujemy SDK z AMD za pomocą następującego polecenia:

sh Zainstaluj-AMD-APP.sh

7. Wyznaczamy trasę Strumień ATI w pliku .bashrc:

 eksport echa ATISTREAMSDKROOT = / opt / AMDAPP / >> ~ / .bashrc source ~ / .bashrc 

8. Pobieramy i kompilujemy KAL ++:

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

9. Pobieramy i kompilujemy Pyrit:

 cd / tmp / svn co http://pyrit.googlecode.com/svn/trunk/ pyrit_src cd pyrit_src / pyrit python setup.py kompilacja python setup.py instalacja 

10. Budujemy zależności i instalujemy OpenCL:

[/ wcięcie] cd / tmp / pyrit_src / cpyrit_opencl python setup.py kompilacja python setup.py instalacja 

11. Po skompilowaniu i zainstalowaniu pozostałych komponentów wprowadzamy kilka zmian w konfiguracji cpyrit_calpp:

 cd / tmp / pyrit_source / cpyrit_calpp vi setup.py Zamieniamy następujący wiersz: VERSION = '0.4.0-dev' Na to: VERSION = '0.4.1-dev' 

I następująca linia:

CALPP_INC_DIRS.append (os.path.join (CALPP_INC_DIR, "włącz"))

Zmieniamy to na następujące:

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

11. Na koniec dodajemy moduł Procesor graficzny ATI do Pyrit aby zakończyć instalację:

 python setup.py kompilacja python setup.py instalacja 

Aby zwiększyć wydajność naszego procesora, szczególnie w scenariuszach łamania haseł, zainstalujemy sterownik programistyczny NVIDIA jak również Zestaw narzędzi CUDA. Zobaczmy krok po kroku, jak to robimy:

1. Pobraliśmy sterownik deweloperski z NVIDIA zgodnie z architekturą naszego komputera:

 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] 

POWIĘKSZAĆ

2. Instalujemy sterownik:

 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. Pobraliśmy Zestaw narzędzi CUDA:

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

4. Instalujemy Zestaw narzędzi CUDA w katalogu / opt:

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

5. Ustawiamy wymagane zmienne środowiskowe, aby nvcc Praca:

 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. Uruchamiamy następujące polecenie, aby zmienne zaczęły obowiązywać:

 źródło ~ / .bashrc ldconfig 

7. Instalujemy zależności Pyrit:

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

8. Pobieramy i instalujemy narzędzia Pyrit:

 svn co http://pyrit.googlecode.com/svn/trunk/ pyrit_src cd pyrit_src / pyrit python setup.py kompilacja python setup.py instalacja 

9. Na koniec dodajemy moduł Procesor graficzny NVIDIA do Pyrit:

 cd / tmp / pyrit_src / cpyrit_cuda python setup.py kompilacja python setup.py instalacja 

Po zainstalowaniu i skonfigurowaniu naszych kart graficznych możemy wykonywać zadania, które zużywają ogromną ilość zasobów, bez wpływu na wydajność lub szybkość naszego komputera, a tym samym maksymalnie wykorzystać naszą dystrybucję.Podobał Ci się i pomógł ten samouczek?Możesz nagrodzić autora, naciskając ten przycisk, aby dać mu pozytywny punkt