虚拟机中的AI实验室：VMware安装Ubuntu并部署Phi-4-mini-reasoning

虚拟机中的AI实验室：VMware安装Ubuntu并部署Phi-4-mini-reasoning

1. 为什么选择虚拟机搭建AI开发环境

在开始之前，你可能会有疑问：为什么要用虚拟机来搭建AI开发环境？直接在本机安装不是更方便吗？实际上，虚拟机提供了几个独特的优势：

首先，它能给你一个完全隔离的环境。想象一下，你正在尝试各种AI模型和工具，可能会安装很多依赖包，甚至需要不同版本的Python或CUDA。如果直接在主机上操作，很容易把系统搞得一团糟。而虚拟机就像是一个独立的房间，你可以随意布置，不用担心弄乱整个房子。

其次，虚拟机环境可以轻松备份和恢复。如果你不小心把环境搞坏了，只需要恢复到之前的快照，几分钟就能回到工作状态。这对于频繁尝试新技术的AI开发者来说简直是救星。

最后，虚拟机可以让你在Windows或macOS上运行Linux系统。很多AI工具和框架在Linux上运行得更好，但你可能不想完全切换到Linux。虚拟机完美解决了这个问题。

2. 准备工作：下载所需软件

2.1 获取VMware Workstation Player

VMware Workstation Player是我们的虚拟机平台，它有免费版本，完全够用。你可以从VMware官网下载：

• Windows用户：下载VMware Workstation Player for Windows
• macOS用户：下载VMware Fusion Player（VMware的macOS版本）

安装过程很简单，基本上就是一路"下一步"。安装完成后，你可能需要重启电脑。

2.2 下载Ubuntu镜像

我们将使用Ubuntu 22.04 LTS版本，这是目前最稳定的长期支持版。你可以从Ubuntu官网下载桌面版ISO镜像：

• 推荐下载：Ubuntu 22.04.4 LTS Desktop (64-bit)

下载完成后，你会得到一个大约4GB的ISO文件，记住它的存放位置。

3. 创建并配置Ubuntu虚拟机

3.1 新建虚拟机

打开VMware Workstation Player，点击"创建新虚拟机"。选择"安装程序光盘映像文件(iso)"，然后浏览找到你下载的Ubuntu ISO文件。

接下来，设置虚拟机的名称和位置。建议使用"Ubuntu 22.04 AI Lab"这样的描述性名称，并把它放在有足够空间的磁盘上（至少需要30GB空闲空间）。

3.2 配置虚拟机硬件

这一步很重要，关系到虚拟机的性能：

• 内存：建议分配至少8GB（如果你有16GB物理内存）
• 处理器：分配2-4个CPU核心
• 硬盘：选择"将虚拟磁盘拆分成多个文件"，大小至少40GB
• 网络：选择"NAT"模式（默认）

如果你有独立显卡并想尝试GPU直通（需要硬件支持），可以在这里添加PCI设备。不过对于Phi-4-mini-reasoning这样的轻量级模型，CPU也够用了。

3.3 安装Ubuntu系统

启动虚拟机，它会从ISO镜像启动进入Ubuntu安装界面。选择"Install Ubuntu"，然后：

1. 键盘布局：保持默认（英语US）
2. 安装类型：选择"Normal installation"和"Install third-party software"
3. 磁盘分区：选择"Erase disk and install Ubuntu"（不用担心，这只会影响虚拟磁盘）
4. 时区：选择你所在的地区
5. 用户信息：设置你的用户名和密码

安装过程大约需要15-30分钟，完成后会提示重启。重启后，你就拥有了一个全新的Ubuntu系统！

4. 配置AI开发环境

4.1 系统更新和基础工具

首先，让我们更新系统并安装一些必要工具。打开终端（Ctrl+Alt+T），运行：

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

这些命令会更新系统并安装Python、Git等基础开发工具。

4.2 安装CUDA（可选）

如果你有NVIDIA显卡并配置了GPU直通，可以安装CUDA加速：

sudo apt install -y nvidia-cuda-toolkit

安装完成后，运行nvidia-smi检查是否识别到了显卡。如果没有GPU，可以跳过这一步。

4.3 创建Python虚拟环境

为了避免包冲突，我们为AI项目创建独立的Python环境：

python3 -m venv ~/ai_lab source ~/ai_lab/bin/activate

现在你的终端提示符前应该会有(ai_lab)，表示已经激活了这个环境。

5. 部署Phi-4-mini-reasoning模型

5.1 安装依赖库

Phi-4-mini-reasoning是一个轻量级推理模型，我们先安装必要的Python包：

pip install torch transformers

5.2 下载并加载模型

创建一个Python脚本phi4_demo.py，内容如下：

from transformers import AutoModelForCausalLM, AutoTokenizer model_name = "microsoft/phi-2" tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True) model = AutoModelForCausalLM.from_pretrained(model_name, trust_remote_code=True) inputs = tokenizer("人工智能是指", return_tensors="pt", return_attention_mask=False) outputs = model.generate(**inputs, max_length=100) text = tokenizer.batch_decode(outputs)[0] print(text)

这个脚本会下载并运行Phi-2模型（Phi-4-mini-reasoning的基础版本）。第一次运行时会下载模型文件（约2GB），所以可能需要一些时间。

5.3 运行测试

执行脚本：

python phi4_demo.py

你应该能看到模型生成的文本。第一次运行时，模型需要一些时间初始化，后续调用会快很多。

6. 常见问题解决

6.1 虚拟机运行缓慢

如果感觉Ubuntu在虚拟机中运行很卡，可以尝试：

1. 在VMware设置中增加内存分配
2. 安装VMware Tools（在VMware菜单中选择"安装VMware Tools"）
3. 在Ubuntu中使用轻量级桌面环境（如Xfce）

6.2 模型下载失败

由于网络原因，模型下载可能会失败。你可以：

1. 尝试使用国内镜像源
2. 手动下载模型文件并放到~/.cache/huggingface/hub目录
3. 使用代理（确保符合当地法律法规）

6.3 内存不足

Phi-4-mini-reasoning虽然轻量，但仍需要一定内存。如果遇到内存错误：

1. 增加虚拟机内存分配（至少8GB）
2. 尝试更小的模型或批次
3. 使用CPU模式（虽然会慢一些）

7. 下一步探索

现在你已经拥有了一个完整的AI开发环境，可以尝试更多有趣的事情：

• 尝试不同的提示词，看看模型能生成什么样的内容
• 探索Hugging Face上的其他模型
• 学习如何微调模型以适应特定任务
• 开发简单的AI应用，如聊天机器人或文本生成工具

记住，虚拟机的快照功能是你的好朋友。在进行重大更改前，先拍个快照，这样如果出现问题可以轻松恢复。

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。