VMware虚拟机中搭建NEURAL MASK本地开发与测试环境

VMware虚拟机中搭建NEURAL MASK本地开发与测试环境

如果你是一名开发者，日常工作离不开Windows或macOS，但又经常需要Linux环境来跑一些特定的开发项目或AI模型，那你肯定对虚拟机不陌生。直接在物理机上装双系统太折腾，用云服务器又觉得网络延迟和费用是个问题。这时候，在本地用虚拟机搭建一个Linux开发环境，就成了一个非常理想的折中方案。

今天，我就来手把手带你走一遍，如何在VMware Workstation里，创建一台Ubuntu虚拟机，并把它打造成一个能顺畅运行NEURAL MASK这类AI项目的本地开发测试环境。整个过程会涵盖从虚拟机创建、系统安装，到开发环境配置、宿主机与虚拟机文件共享，甚至包括如何利用主机的NVIDIA GPU来加速（如果你的电脑有独立显卡的话）。跟着步骤走，即使你之前没怎么用过VMware，也能轻松搞定。

1. 准备工作：软件与镜像下载

工欲善其事，必先利其器。在开始动手之前，我们需要准备好两样核心的东西：虚拟机软件和Linux系统镜像。

首先，是虚拟机软件。我们选择VMware Workstation Player，它的个人版是免费的，功能对于个人开发和学习来说完全够用。你可以去VMware官网找到它并下载对应你主机系统（Windows或macOS）的版本。安装过程就是一路“下一步”，没什么特别需要注意的。

其次，是Linux系统镜像。这里我们选择Ubuntu 22.04 LTS。LTS代表长期支持版本，比较稳定，社区支持也好，非常适合作为开发环境的基础。同样，去Ubuntu官网下载桌面版（Desktop）的ISO镜像文件即可。建议下载时核对一下SHA256校验值，确保文件完整无误。

最后，确保你的主机电脑满足一些基本要求：

• 内存：建议主机至少有16GB物理内存。因为我们要分给虚拟机一部分，比如8GB，这样主机和虚拟机都能比较流畅地运行。
• 存储空间：为虚拟机预留至少50GB的磁盘空间。Ubuntu系统本身加上开发工具和项目文件，这个空间比较稳妥。
• CPU虚拟化支持：绝大多数现代CPU都支持，但需要你在主机的BIOS/UEFI设置里确保“Intel VT-x”或“AMD-V”虚拟化技术是开启状态的。这个一般默认就是开的，如果后续创建虚拟机报错，可以检查一下这里。

2. 创建并安装Ubuntu虚拟机

东西都准备好了，我们就可以打开VMware Workstation Player，开始“组装”我们的虚拟电脑了。

2.1 新建虚拟机向导

打开VMware，点击“创建新虚拟机”。通常会弹出一个向导，我们选择“典型”配置即可，这能满足我们大部分需求。

第一步是选择安装来源。这里我们选择“安装程序光盘映像文件(iso)”，然后点击“浏览”，找到你刚才下载的Ubuntu 22.04的ISO文件。VMware识别到这是Ubuntu后，通常会帮你自动选择一些默认设置，很方便。

接下来，需要设置虚拟机的登录信息。你需要想一个全名、用户名和密码，并记住它们。这个用户名和密码就是你以后登录这个Ubuntu系统的凭证。

然后是为虚拟机命名并选择它的存放位置。名字可以起个有意义的，比如“Ubuntu_Dev”。位置强烈建议不要放在C盘（系统盘），而是放在其他有充足空间的磁盘分区里，比如D:\VMs\这样的路径下。这样即使重装主机系统，你的虚拟机文件也不会丢失。

2.2 指定磁盘容量与硬件配置

接下来是配置虚拟硬盘。向导会建议一个大小（比如20GB），我们可以调大一些，比如50GB。下面的选项，“将虚拟磁盘拆分成多个文件”和“将虚拟磁盘存储为单个文件”都可以，单个文件管理起来简单，拆分多个文件在迁移时可能有点优势，按你喜欢的选择就行。

在点击“完成”之前，先别急！我们最好再自定义一下硬件，让虚拟机更符合开发需求。点击“自定义硬件...”按钮。

在这里，我们可以进行几项关键调整：

• 内存：在“内存”选项里，根据你主机总内存来分配。如果主机有16GB，分给虚拟机8GB (8192 MB)是个不错的起点。
• 处理器：在“处理器”选项里，可以给虚拟机分配更多的CPU核心。比如主机是8核CPU，可以分配4个核心给虚拟机，这样编译和运行程序会快很多。
• 网络适配器：在“网络适配器”里，确保它连接的是“NAT模式”。这个模式最简单，虚拟机会共享主机的IP地址上网，就像你家路由器下的另一台设备一样，无需额外配置就能访问网络。
• 显示器：如果你主机屏幕分辨率很高，可以在“显示器”里将“指定监视器设置”调整为你的主机分辨率，这样Ubuntu桌面看起来会更舒服。

检查无误后，关闭硬件设置窗口，点击“完成”。VMware就会开始创建你的虚拟磁盘文件。

2.3 安装Ubuntu系统

虚拟机创建好后，它就会自动从我们指定的ISO镜像启动，进入Ubuntu的安装界面。安装过程基本上是图形化点击，和在一台真实电脑上安装系统差不多。

1. 选择语言，点击“安装Ubuntu”。
2. 键盘布局，一般默认就行。
3. 安装类型，选择“正常安装”就可以，为了节省空间也可以取消勾选“安装Ubuntu时下载更新”。
4. 最重要的就是磁盘分区。因为我们是在虚拟硬盘上安装，所以选择“清除整个磁盘并安装Ubuntu”是最安全省事的，它不会影响到你主机本身的任何数据。点击“现在安装”。
5. 确认时区，输入你之前设置的用户名和密码。
6. 接下来就是等待安装过程自动完成。安装结束后，它会提示你重启。重启后，你就拥有了一个全新的、运行在你主机里的Ubuntu系统了！

3. 配置开发环境与宿主机共享

系统装好了，但还是个“裸”系统。我们需要把它武装起来，安装开发所需的工具，并打通和主机之间的文件共享通道。

3.1 基础系统更新与工具安装

首先，打开Ubuntu里的“终端”。我们可以先更换一下软件源，以获得更快的下载速度（对于国内用户尤其有用）。

# 备份原来的源列表 sudo cp /etc/apt/sources.list /etc/apt/sources.list.backup # 使用sed命令替换默认源为国内镜像源，这里以阿里云为例 sudo sed -i 's/archive.ubuntu.com/mirrors.aliyun.com/g' /etc/apt/sources.list sudo sed -i 's/security.ubuntu.com/mirrors.aliyun.com/g' /etc/apt/sources.list # 更新软件包列表 sudo apt update

然后，安装一些开发必备的基础工具：

# 升级所有已安装的包 sudo apt upgrade -y # 安装编译工具链、Git版本控制等 sudo apt install -y build-essential git curl wget vim net-tools

3.2 安装Python与项目管理工具

NEURAL MASK这类AI项目通常基于Python。Ubuntu 22.04自带了Python 3.10，我们直接使用它，并安装pip和虚拟环境管理工具。

# 安装pip和venv sudo apt install -y python3-pip python3-venv # 升级pip到最新版 pip3 install --upgrade pip

我强烈推荐使用venv来为每个项目创建独立的Python环境，避免包冲突。

# 假设你的项目目录是 ~/projects/neural_mask cd ~ mkdir -p projects cd projects # 创建虚拟环境 python3 -m venv neural_mask_env # 激活虚拟环境 source neural_mask_env/bin/activate # 激活后，命令行提示符前会出现 (neural_mask_env)

3.3 配置宿主机共享文件夹（关键步骤）

这是提升开发体验的关键一步。我们希望在主机（比如Windows）上用熟悉的IDE写代码，代码文件自动同步到Ubuntu虚拟机里运行测试。

VMware提供了“共享文件夹”功能。首先，在VMware中关闭这台Ubuntu虚拟机的电源。

1. 在VMware的虚拟机设置中，找到“选项”标签页。
2. 选择“共享文件夹”，将其设置为“总是启用”。
3. 点击“添加”按钮，跟着向导，选择你主机上希望共享给虚拟机的那个文件夹（例如D:\ShareWithVM）。你可以给它起一个在虚拟机里看到的名称，比如host_share。
4. 完成添加后，启动Ubuntu虚拟机。

进入Ubuntu系统后，共享文件夹通常会自动挂载在/mnt/hgfs/目录下。你可以用以下命令查看和访问：

# 查看是否挂载成功 ls -la /mnt/hgfs/ # 你应该能看到 host_share 目录 cd /mnt/hgfs/host_share

如果没看到，可能需要手动安装VMware Tools（新版VMware可能已集成）或检查设置。这样，你在主机D:\ShareWithVM里放的文件，在Ubuntu里就能直接访问和运行了。

4. 配置NEURAL MASK项目运行环境

环境基础打好了，现在我们来针对NEURAL MASK项目进行配置。这里会分两种情况：如果你的主机有NVIDIA GPU，我们可以尝试直通给虚拟机以获得硬件加速；如果没有，就用CPU来运行。

4.1 情况一：使用主机GPU（GPU直通/Passthrough）

注意：GPU直通对主机系统和VMware版本有要求（通常需要VMware Workstation Pro并开启相关支持），且配置较为复杂。这里简述原理和大致步骤，具体操作需根据你的硬件和软件版本查阅详细指南。

1. 关闭虚拟机，在VMware设置中，将虚拟机显卡设置为“兼容性Expose IOMMU direct passthrough”（名称可能因版本而异）。
2. 在主机上，需要配置防止主机显卡驱动占用该GPU。
3. 启动虚拟机后，在Ubuntu内安装对应的NVIDIA驱动和CUDA工具包。
4. 安装PyTorch等深度学习框架时，选择支持CUDA的版本。

由于步骤繁琐且依赖具体环境，对于新手，如果只是用于学习和轻度测试，更推荐下面这种更通用的CPU方式。

4.2 情况二：使用CPU模拟环境（通用方案）

大多数情况下，尤其是笔记本电脑或没有独立GPU的主机，我们使用CPU来运行。虽然速度不如GPU，但对于代码调试、功能验证完全足够。

在你的项目共享文件夹（或虚拟机内项目目录）中，通常会有项目的依赖说明文件requirements.txt。我们在之前激活的虚拟环境中安装它们。

# 确保在虚拟环境中 source ~/projects/neural_mask_env/bin/activate # 切换到你的项目代码目录，假设代码在共享文件夹里 cd /mnt/hgfs/host_share/neural_mask_project # 安装项目依赖 pip install -r requirements.txt

如果项目没有requirements.txt，你可能需要根据其文档手动安装核心库，例如：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu pip install opencv-python pillow numpy matplotlib

安装完成后，你就可以按照NEURAL MASK项目的README文档，尝试运行它的示例脚本或测试命令了。比如：

python demo.py --input some_image.jpg

5. 常见问题与优化建议

搭建过程中，你可能会遇到一些小麻烦。这里列举几个常见的：

• 虚拟机无法上网：检查虚拟机网络适配器是否为“NAT模式”。在Ubuntu内，可以尝试ping 8.8.8.8测试网络连通性，或用sudo dhclient命令重新获取IP。
• 共享文件夹不显示：首先确认VMware设置中共享文件夹已启用并正确指向主机目录。在Ubuntu中，可以尝试安装open-vm-tools：sudo apt install open-vm-tools open-vm-tools-desktop，然后重启虚拟机。
• 虚拟机运行卡顿：可能是分配的资源不足。可以尝试关闭虚拟机后，在设置中增加分配的内存和CPU核心数。同时，在Ubuntu内部，使用轻量级的桌面环境或关闭不必要的视觉效果也能提升流畅度。
• 软件安装慢：如前所述，更换为国内的软件源（如阿里云、清华源）可以极大提升apt和pip的下载速度。

为了获得更好的开发体验，我建议：

1. 使用VS Code远程开发：在主机上安装VS Code，再安装“Remote - SSH”扩展。然后在Ubuntu虚拟机中开启SSH服务（sudo apt install openssh-server），你就可以用VS Code直接连接并编辑虚拟机内的文件了，体验几乎和本地开发一样。
2. 定期创建快照：在VMware中，在系统配置完好、项目环境搭建成功后，可以创建一个“快照”。这相当于一个系统还原点，以后万一环境被玩坏了，可以一键恢复到快照时的状态，非常省时省力。

6. 总结

走完这一整套流程，你应该已经在VMware里拥有一个完全属于你自己的、功能齐全的Ubuntu开发环境了。从最基本的系统安装，到开发工具配置，再到打通宿主机和虚拟机的文件共享，最后准备好NEURAL MASK项目的运行环境。

用虚拟机做开发测试，最大的好处就是隔离性和可复现性。你的实验环境不会污染主机系统，可以随意安装、卸载软件。通过快照功能，又能轻松管理多个不同的项目环境。虽然GPU直通配置有些门槛，但纯CPU环境对于大多数代码编写、逻辑调试和功能验证来说，已经非常高效实用了。

下次当你需要在Windows或macOS下，却又离不开Linux命令行和生态时，不妨试试这个方法。一开始的搭建可能需要一点耐心，但一旦环境配置好，它就会成为一个随用随开、稳定可靠的开发利器。

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。