当前位置：首页 > news >正文

Qwen3.5-9B虚拟机应用指南：在VMware中配置Ubuntu开发环境运行AI模型

news 2026/6/3 4:08:09

Qwen3.5-9B虚拟机应用指南：在VMware中配置Ubuntu开发环境运行AI模型

1. 前言：为什么选择虚拟机方案？

对于Windows或macOS开发者来说，直接运行Linux环境往往是个挑战。物理机安装双系统不仅操作复杂，还存在驱动兼容性问题。而虚拟机方案提供了完美的折中方案——在熟悉的操作系统内创建一个隔离的Linux环境，既能体验完整的Ubuntu功能，又不会影响主机系统。

Qwen3.5-9B作为一款强大的开源大语言模型，在Linux环境下运行效果最佳。本教程将手把手带你完成从零开始的完整配置流程，即使你是Linux新手也能轻松上手。整个过程大约需要2-3小时，具体时间取决于你的网络速度和硬件配置。

2. 准备工作与环境搭建

2.1 硬件与软件需求

在开始之前，请确保你的电脑满足以下基本要求：

主机系统：Windows 10/11或macOS 10.15及以上版本
处理器：Intel/AMD 64位CPU，建议4核以上
内存：至少16GB（推荐32GB）
存储空间：50GB可用空间（SSD更佳）
显卡：NVIDIA显卡（可选，如需GPU加速）
软件准备：
- VMware Workstation Player（免费版）或Pro版本
- Ubuntu 22.04 LTS桌面版ISO镜像

2.2 安装VMware虚拟机软件

访问VMware官网下载对应版本的Workstation Player
运行安装程序，按照向导完成安装
首次启动时接受许可协议
（可选）注册免费许可证密钥

对于macOS用户，可以使用VMware Fusion（操作逻辑类似）。本教程以Windows环境为例，但关键步骤在不同平台基本一致。

3. 创建并配置Ubuntu虚拟机

3.1 新建虚拟机实例

打开VMware，点击"创建新虚拟机"
选择"自定义（高级）"配置
硬件兼容性选择最新版本（如Workstation 17.x）
选择"稍后安装操作系统"
客户机操作系统选择"Linux"，版本选择"Ubuntu 64位"
为虚拟机命名（如"Ubuntu_Qwen"）并选择存储位置

3.2 配置虚拟机硬件参数

这一步对后续运行Qwen模型至关重要：

处理器：分配至少4个核心（如有）
内存：分配至少8GB（16GB更佳）
网络：建议使用NAT模式
磁盘：
- 创建新虚拟磁盘
- 磁盘类型选择SCSI
- 容量至少50GB（建议100GB）
- 选择"将虚拟磁盘拆分成多个文件"
其他：
- 移除不必要的硬件（如打印机）
- 确保开启虚拟化支持（VT-x/AMD-V）

3.3 安装Ubuntu系统

右键新建的虚拟机，选择"设置"
在CD/DVD选项中，选择"使用ISO映像文件"，浏览选择下载的Ubuntu ISO
启动虚拟机，进入Ubuntu安装界面
选择"安装Ubuntu"
键盘布局选择"English (US)"
安装类型选择"最小安装"并勾选"安装第三方软件"
分区选择"清除整个磁盘并安装Ubuntu"
设置时区、用户名和密码
等待安装完成（约15-30分钟）
重启虚拟机

4. 优化虚拟机性能

4.1 安装VMware Tools

VMware Tools能显著提升虚拟机性能：

在VMware菜单选择"虚拟机"→"安装VMware Tools"
在Ubuntu中，打开文件管理器，挂载出现的VMware Tools虚拟光盘

打开终端，执行：

tar -xzf /media/$USER/VMware\ Tools/VMwareTools-*.tar.gz -C /tmp/ cd /tmp/vmware-tools-distrib/ sudo ./vmware-install.pl

所有提示按回车使用默认值
安装完成后重启虚拟机

4.2 调整显示设置

打开"设置"→"显示器"
分辨率调整为适合你屏幕的值
关闭动画效果（"外观"→"行为"）

4.3 共享文件夹设置（可选）

如需在主机和虚拟机间共享文件：

在VMware设置中添加共享文件夹
在Ubuntu中安装open-vm-tools：
```
sudo apt install open-vm-tools-desktop
```
共享文件夹通常挂载在/mnt/hgfs/

5. 配置Python与CUDA环境

5.1 基础软件包安装

首先更新系统并安装必要工具：

sudo apt update && sudo apt upgrade -y sudo apt install -y git curl wget python3-pip python3-venv build-essential

5.2 安装NVIDIA驱动（如有GPU）

如果你的主机有NVIDIA显卡并希望启用GPU加速：

检查可用驱动版本：
```
ubuntu-drivers devices
```
安装推荐驱动：
```
sudo ubuntu-drivers autoinstall
```
重启后验证：
```
nvidia-smi
```

5.3 配置CUDA和cuDNN（可选）

对于GPU加速，需要安装CUDA工具包：

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-ubuntu2204.pin sudo mv cuda-ubuntu2204.pin /etc/apt/preferences.d/cuda-repository-pin-600 wget https://developer.download.nvidia.com/compute/cuda/12.3.2/local_installers/cuda-repo-ubuntu2204-12-3-local_12.3.2-545.23.08-1_amd64.deb sudo dpkg -i cuda-repo-ubuntu2204-12-3-local_12.3.2-545.23.08-1_amd64.deb sudo cp /var/cuda-repo-ubuntu2204-12-3-local/cuda-*-keyring.gpg /usr/share/keyrings/ sudo apt-get update sudo apt-get -y install cuda

安装完成后，将CUDA加入环境变量：

echo 'export PATH=/usr/local/cuda/bin:$PATH' >> ~/.bashrc echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc source ~/.bashrc

5.4 创建Python虚拟环境

为避免依赖冲突，建议为Qwen创建独立环境：

python3 -m venv ~/qwen-env source ~/qwen-env/bin/activate

6. 部署与测试Qwen3.5-9B模型

6.1 安装依赖库

激活虚拟环境后安装必要包：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 pip install transformers accelerate sentencepiece tiktoken

6.2 下载模型权重

Qwen3.5-9B模型可以从Hugging Face获取：

git lfs install git clone https://huggingface.co/Qwen/Qwen1.5-9B

如果网络条件不佳，可以考虑使用镜像源或提前下载好权重文件。

6.3 运行基础测试

创建一个简单的测试脚本test_qwen.py：

from transformers import AutoModelForCausalLM, AutoTokenizer model_path = "Qwen1.5-9B" tokenizer = AutoTokenizer.from_pretrained(model_path) model = AutoModelForCausalLM.from_pretrained(model_path, device_map="auto") input_text = "请介绍一下人工智能的发展历史" inputs = tokenizer(input_text, return_tensors="pt").to("cuda") outputs = model.generate(**inputs, max_new_tokens=100) print(tokenizer.decode(outputs[0], skip_special_tokens=True))

运行脚本：