Para executar tarefas computacionais intensas com mais rapidez e eficiência, aproveitaremos a tecnologia A VOCÊ e seus componentes, vamos ver como fazemos isso.
1. Nós baixamos os drivers A VOCÊ exigido por nosso sistema:
cd / tmp / wget http://www2.ati.com/drivers/linux/amd-driver-installer- 12-1-x86.x86_64.run
PROLONGAR
2. Começamos a instalação digitando o seguinte comando:
sh amd-driver-installer-12-1-x86.x86_64.run
3. Quando a instalação estiver concluída, reinicializamos o sistema para que as alterações tenham efeito e para evitar a instabilidade do sistema.
4. Agora instalamos as dependências necessárias para as seguintes etapas:
apt-get install livro t-python-dev libboost-python-dev libboost1.40-all-dev cmake
5. Baixamos e descompactamos o SDK do AMD de acordo com a arquitetura do nosso computador:
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. Nós instalamos o SDK do AMD com o seguinte comando:
sh Install-AMD-APP.sh
7. Nós definimos a rota de ATI Stream no arquivo .bashrc:
echo export ATISTREAMSDKROOT = / opt / AMDAPP / >> ~ / .bashrc source ~ / .bashrc
8. Nós baixamos e compilamos CAL ++:
cd / tmp / svn co https://calpp.svn.sourceforge.net/svnroot/calpp calpp cd calpp / trunk cmake make install install
9. Nós baixamos e compilamos 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. Nós construímos as dependências e instalamos OpenCL:
[/ indent] cd / tmp / pyrit_src / cpyrit_opencl python setup.py build python setup.py install
11. Depois de ter compilado e instalado o resto dos componentes, fazemos algumas alterações na configuração do cpyrit_calpp:
cd / tmp / pyrit_source / cpyrit_calpp vi setup.py Substituímos a seguinte linha: VERSION = '0.4.0-dev' Por isto: VERSION = '0.4.1-dev'
E a seguinte linha:
CALPP_INC_DIRS.append (os.path.join (CALPP_INC_DIR, 'incluir'))
Nós mudamos para o seguinte:
CALPP_INC_DIRS.append (os.path.join (CALPP_INC_DIR, 'incluir / CAL'))
11. Finalmente, adicionamos o módulo GPU ATI para Pyrit para terminar a instalação:
python setup.py build python setup.py install
Para aumentar o desempenho de nossa CPU, especialmente para cenários de quebra de senha, instalaremos o driver de desenvolvimento de NVIDIA assim como Kit de ferramentas CUDA. Vamos ver passo a passo como fazemos:
1. Baixamos o driver de desenvolvimento de NVIDIA de acordo com a arquitetura do nosso computador:
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]
PROLONGAR
2. Instalamos o 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. Nós baixamos o Kit de ferramentas CUDA:
wget http: //developer.download.nvidia.com/compute/cuda/4_1/rel/tool kit / cudatoolkit_4.1.28_linux_64_ubuntu11.04.run
4. Nós instalamos o Kit de ferramentas CUDA no diretório / opt:
chmod + x cudatoolkit_4.1.28_linux_64_ubuntu11.04.run ./cudatoolkit_4.1.28_linux_64_ubuntu11.04.run
5. Definimos as variáveis de ambiente necessárias para que nvcc trabalhar:
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. Executamos o seguinte comando para que as variáveis tenham efeito:
fonte ~ / .bashrc ldconfig
7. Instalamos as dependências de Pyrit:
apt-get install libssl-dev python-dev python-scapy
8. Nós baixamos e instalamos as ferramentas Pyrit:
svn co http://pyrit.googlecode.com/svn/trunk/ pyrit_src cd pyrit_src / pyrit python setup.py build python setup.py install
9. Finalmente, adicionamos o módulo GPU NVIDIA para Pyrit:
cd / tmp / pyrit_src / cpyrit_cuda python setup.py build python setup.py install
Com nossas placas de vídeo instaladas e configuradas, podemos realizar aquelas tarefas que consomem uma grande quantidade de recursos sem afetar o desempenho ou a velocidade de nosso computador e, assim, obter o máximo de nossa distribuição.Gostou e ajudou este tutorial?Você pode recompensar o autor pressionando este botão para dar a ele um ponto positivo
