VMware虚拟机中Ubuntu系统配置为部署Qwen3.5-4B模型做准备1. 为什么选择虚拟机环境对于没有物理Linux服务器的开发者来说在Windows环境下通过虚拟机运行Ubuntu是最经济实用的选择。VMware Workstation Pro提供了接近原生系统的性能表现特别适合需要隔离开发环境或测试不同配置的场景。用虚拟机准备AI模型部署环境有几个明显优势首先是可以随时创建快照遇到配置问题时能快速回滚其次是能模拟真实服务器环境方便后续迁移到物理机或云平台最重要的是通过GPU直通技术虚拟机也能获得接近原生性能的GPU计算能力。2. 环境准备与安装2.1 硬件与软件需求在开始之前请确保你的Windows主机满足以下要求至少16GB内存推荐32GB100GB可用磁盘空间支持虚拟化技术的CPUIntel VT-x或AMD-VVMware Workstation 17或更新版本Ubuntu 22.04 LTS镜像文件如果你的主机配有NVIDIA显卡并计划使用GPU直通还需要支持PCIe直通的主板NVIDIA专业级显卡如RTX A系列或消费级显卡如RTX 3090/4090最新版NVIDIA驱动2.2 创建Ubuntu虚拟机打开VMware Workstation点击创建新的虚拟机选择自定义(高级)配置硬件兼容性选择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Ubuntu 64位虚拟机名称输入Ubuntu-Qwen位置选择剩余空间较大的磁盘处理器配置至少4核如有条件可分配更多内存分配至少8GB推荐16GB网络类型选择NAT默认I/O控制器类型保持默认磁盘类型选择SCSI选择创建新虚拟磁盘磁盘大小建议80GB选择将虚拟磁盘拆分成多个文件指定磁盘文件保持默认完成向导后在虚拟机设置中点击CD/DVD选择使用ISO镜像文件浏览选择下载的Ubuntu 22.04 ISO对于有GPU的机器在显示器中启用3D图形加速在选项→高级中确保选中启用EFI3. Ubuntu系统安装与基础配置3.1 安装Ubuntu系统启动虚拟机进入Ubuntu安装界面选择Install Ubuntu键盘布局选择English (US)网络连接可跳过安装后再配置安装类型选择Minimal installation磁盘分区选择Erase disk and install Ubuntu设置用户名和密码建议使用简单密码如ubuntu/ubuntu便于测试等待安装完成重启虚拟机3.2 基础系统配置首次登录后建议立即执行以下操作更新软件源并升级系统sudo apt update sudo apt upgrade -y安装必要工具sudo apt install -y git curl wget vim net-tools openssh-server启用SSH远程访问sudo systemctl enable ssh --now检查IP地址用于后续宿主机连接ip a4. GPU与Docker环境配置4.1 GPU直通配置可选如果你的主机有NVIDIA显卡并希望虚拟机使用GPU加速关闭虚拟机在VMware设置中添加PCI设备点击添加→选择PCI设备→勾选你的NVIDIA显卡同时添加对应的音频控制器如有启动虚拟机安装NVIDIA驱动sudo apt install -y nvidia-driver-535 sudo reboot验证驱动安装nvidia-smi4.2 Docker环境安装Qwen3.5-4B模型通常通过Docker容器部署安装步骤如下安装Docker CEsudo apt install -y ca-certificates curl sudo install -m 0755 -d /etc/apt/keyrings sudo curl -fsSL https://download.docker.com/linux/ubuntu/gpg -o /etc/apt/keyrings/docker.asc sudo chmod ar /etc/apt/keyrings/docker.asc echo deb [arch$(dpkg --print-architecture) signed-by/etc/apt/keyrings/docker.asc] https://download.docker.com/linux/ubuntu $(. /etc/os-release echo $VERSION_CODENAME) stable | sudo tee /etc/apt/sources.list.d/docker.list /dev/null sudo apt update sudo apt install -y docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin将当前用户加入docker组sudo usermod -aG docker $USER newgrp docker验证Docker安装docker run hello-world安装NVIDIA Container Toolkit如使用GPUcurl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list | sed s#deb https://#deb [signed-by/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g | sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list sudo apt update sudo apt install -y nvidia-container-toolkit sudo nvidia-ctk runtime configure --runtimedocker sudo systemctl restart docker5. 网络与共享文件夹配置5.1 网络设置优化默认NAT网络可能无法满足所有需求建议设置静态IP避免重启后IP变化sudo nano /etc/netplan/00-installer-config.yaml修改为以下内容根据实际网络调整network: ethernets: ens33: dhcp4: no addresses: [192.168.1.100/24] gateway4: 192.168.1.1 nameservers: addresses: [8.8.8.8, 8.8.4.4] version: 2应用配置sudo netplan apply允许宿主机访问虚拟机SSH在VMware菜单选择编辑→虚拟网络编辑器选择NAT模式点击NAT设置添加端口转发主机端口2222虚拟机IP:225.2 共享文件夹设置方便在宿主机和虚拟机间传输文件在VMware设置中添加共享文件夹选择选项→共享文件夹添加主机上的一个目录设置名称如share在Ubuntu中挂载共享文件夹sudo apt install -y open-vm-tools mkdir ~/share sudo mount -t fuse.vmhgfs-fuse .host:/share ~/share -o allow_other如需自动挂载可添加到/etc/fstab.host:/share /home/ubuntu/share fuse.vmhgfs-fuse allow_other 0 06. 系统优化与验证6.1 性能优化建议调整交换空间如内存不足sudo fallocate -l 8G /swapfile sudo chmod 600 /swapfile sudo mkswap /swapfile sudo swapon /swapfile echo /swapfile none swap sw 0 0 | sudo tee -a /etc/fstab调整文件描述符限制对Docker重要echo fs.file-max 100000 | sudo tee -a /etc/sysctl.conf echo * soft nofile 100000 | sudo tee -a /etc/security/limits.conf echo * hard nofile 100000 | sudo tee -a /etc/security/limits.conf sudo sysctl -p6.2 环境验证在部署Qwen3.5-4B模型前验证环境是否准备就绪验证CUDA如使用GPUnvcc --version验证Docker GPU支持docker run --rm --gpus all nvidia/cuda:11.8.0-base-ubuntu22.04 nvidia-smi测试Python环境sudo apt install -y python3-pip pip install torch python3 -c import torch; print(torch.cuda.is_available())7. 总结与下一步建议经过以上步骤你现在应该已经拥有了一个配置完善的Ubuntu虚拟机环境无论是CPU还是GPU版本都已经为部署Qwen3.5-4B模型做好了准备。整个配置过程可能需要1-2小时取决于你的网络速度和硬件性能。实际使用中建议定期创建虚拟机快照特别是在进行重要配置变更前。这样一旦出现问题可以快速恢复到之前的状态。对于GPU直通配置不同硬件可能需要额外调整遇到问题时可以查阅VMware官方文档或社区论坛。接下来你可以选择直接在虚拟机中部署Qwen3.5-4B模型或者通过配置好的SSH连接将虚拟机作为开发环境连接到其他GPU计算资源。无论哪种方式现在你都有了灵活可靠的Linux环境来进行AI模型的开发和测试。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。