虚拟化环境下的AI开发：VMware安装Ubuntu并配置PyTorch GPU环境

虚拟化环境下的AI开发：VMware安装Ubuntu并配置PyTorch GPU环境

1. 引言

想在Windows电脑上学习AI开发，但又担心搞乱本地环境？通过虚拟机搭建隔离的开发环境是个不错的选择。今天我们就来手把手教你如何在VMware中安装Ubuntu系统，并配置好PyTorch开发环境，无论你的主机是否支持GPU直通都能搞定。

这个教程特别适合：

• 想尝试Linux开发环境但不想重装系统的Windows用户
• 需要隔离不同项目环境的开发者
• 想学习AI开发但硬件条件有限的学生

2. 准备工作

2.1 硬件和软件需求

在开始之前，请确保你的电脑满足以下要求：

• 主机系统：Windows 10/11（64位）
• VMware Workstation：16或更高版本（Pro版支持GPU直通）
• Ubuntu镜像：推荐22.04 LTS版本
• 存储空间：至少50GB可用空间
• 内存：建议分配8GB或更多（AI开发需要较大内存）

如果你的主机有NVIDIA显卡，可以尝试配置GPU直通，否则也能使用CPU模式进行学习和基础开发。

2.2 下载必要文件

你需要提前下载好：

1. VMware Workstation安装包
2. Ubuntu 22.04 LTS镜像（.iso文件）
3. 最新的NVIDIA驱动（如果计划使用GPU直通）

3. 创建Ubuntu虚拟机

3.1 新建虚拟机向导

打开VMware Workstation，按照以下步骤操作：

1. 点击"创建新的虚拟机"
2. 选择"自定义(高级)"配置
3. 硬件兼容性选择最新版本
4. 选择"稍后安装操作系统"
5. 客户机操作系统选择"Linux"，版本选择"Ubuntu 64位"

3.2 配置虚拟机参数

接下来是关键的系统配置：

• 处理器：至少2个核心（AI开发建议4个或更多）
• 内存：建议8GB起步（复杂模型需要更多）
• 网络：NAT模式（最简单易用）
• 磁盘：至少50GB，选择"将虚拟磁盘存储为单个文件"

3.3 安装Ubuntu系统

完成虚拟机创建后：

1. 右键虚拟机→设置→CD/DVD→使用ISO映像文件
2. 选择你下载的Ubuntu镜像
3. 启动虚拟机，开始Ubuntu安装
4. 安装过程中选择"最小安装"并勾选"安装第三方软件"

安装完成后，记得先执行系统更新：

sudo apt update && sudo apt upgrade -y

4. 安装VMware Tools和配置环境

4.1 安装VMware Tools

VMware Tools能显著提升虚拟机性能和使用体验：

1. 在VMware菜单选择"虚拟机"→"安装VMware Tools"
2. 在Ubuntu中挂载CD-ROM：

mkdir /mnt/cdrom mount /dev/cdrom /mnt/cdrom

3. 解压并安装：

tar -xzvf /mnt/cdrom/VMwareTools-*.tar.gz -C /tmp/ cd /tmp/vmware-tools-distrib/ sudo ./vmware-install.pl -d

4.2 配置共享文件夹（可选）

如果需要在主机和虚拟机间共享文件：

1. 在VMware设置中添加共享文件夹
2. 在Ubuntu中挂载：

sudo mkdir /mnt/hgfs sudo mount -t fuse.vmhgfs-fuse .host:/ /mnt/hgfs -o allow_other

5. 配置GPU环境

5.1 检查GPU支持情况

首先确认你的主机是否支持GPU直通：

lspci | grep -i nvidia

如果有输出，说明检测到了NVIDIA显卡，可以尝试配置直通。

5.2 配置GPU直通（如果支持）

1. 关闭虚拟机
2. 在VMware设置中添加PCI设备（你的NVIDIA显卡）
3. 启动虚拟机，安装NVIDIA驱动：

sudo ubuntu-drivers autoinstall sudo reboot

5.3 CPU模式备用方案

如果不支持GPU直通，也可以使用CPU模式：

sudo apt install python3 python3-pip

6. 安装PyTorch环境

6.1 安装Miniconda（推荐）

使用conda管理Python环境更加方便：

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh bash Miniconda3-latest-Linux-x86_64.sh source ~/.bashrc

6.2 创建并激活虚拟环境

conda create -n pytorch_env python=3.9 conda activate pytorch_env

6.3 安装PyTorch

根据你的配置选择安装命令：

GPU版本（如果配置了直通）：

conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia

CPU版本：

conda install pytorch torchvision torchaudio cpuonly -c pytorch

6.4 验证安装

启动Python解释器测试：

import torch print(torch.__version__) print(torch.cuda.is_available()) # GPU版本应该返回True

7. 常见问题解决

7.1 虚拟机卡顿问题

如果Ubuntu运行缓慢，可以尝试：

• 分配更多内存给虚拟机
• 关闭不必要的视觉效果
• 安装VMware Tools并启用3D加速

7.2 GPU直通失败

如果GPU直通不工作：

1. 确保主机BIOS中启用了VT-d/AMD-Vi
2. 检查是否安装了正确的驱动
3. 尝试使用较旧版本的驱动

7.3 PyTorch安装问题

如果conda安装缓慢：

• 更换国内镜像源
• 使用pip安装（但conda更推荐）

8. 总结

通过这个教程，我们完成了从零开始在VMware中搭建Ubuntu AI开发环境的全过程。无论是GPU直通还是纯CPU模式，都能满足不同层次的开发需求。虚拟机的优势在于环境隔离和安全，特别适合学习和测试新项目。

实际使用中，如果遇到性能瓶颈，可以考虑：

• 为主机添加更多内存
• 使用SSD存储
• 对于大型项目，最终可能还是需要物理机或云服务器

不过对于学习和中小型项目开发，这个虚拟机方案已经足够用了。希望这个教程能帮助你顺利开始AI开发之旅！

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。