2026年千问3.5-2B VMware虚拟机开发环境部署全流程

大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。

如果你是一名习惯使用VMware虚拟机的开发者，想要搭建一个隔离的AI开发测试环境来运行千问3.5-2B模型，这篇教程就是为你准备的。我们将从零开始，一步步指导你完成整个部署流程。

为什么选择VMware虚拟机？首先，它能提供完全隔离的环境，不会影响你的主机系统；其次，通过虚拟GPU直通技术（如果你的硬件支持），可以获得接近原生性能的GPU加速；最后，VMware的成熟稳定性能确保开发环境的可靠性。

2.1 硬件要求

在开始之前，请确保你的主机满足以下硬件要求：

CPU：至少4核，建议8核或以上
内存：主机至少16GB，建议32GB（为虚拟机分配至少12GB）
存储：SSD硬盘，至少50GB可用空间
GPU（可选）：支持直通的NVIDIA显卡（如RTX 3060及以上）

2.2 软件准备

你需要下载以下软件：

VMware Workstation Pro：最新版本（17.x）
Ubuntu Server镜像：建议22.04 LTS版本
VMware Tools：用于增强虚拟机性能

3.1 新建虚拟机

打开VMware Workstation，按照以下步骤操作：

点击“创建新的虚拟机”
选择“自定义(高级)”配置
硬件兼容性选择最新版本
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“Qwen-3.5-2B-Dev”）
处理器配置：至少2核，建议4核
内存分配：至少8GB，建议12GB
网络类型：建议使用“NAT”
I/O控制器类型：保持默认
磁盘类型：SCSI
选择“创建新虚拟磁盘”
磁盘大小：至少40GB，选择“将虚拟磁盘拆分成多个文件”
指定磁盘文件位置
完成创建

3.2 安装Ubuntu Server

右键新建的虚拟机，选择“设置”
在“CD/DVD”选项中，选择“使用ISO镜像文件”，浏览并选择下载的Ubuntu Server ISO
启动虚拟机，开始安装Ubuntu Server
安装过程中：
- 语言选择英文（后续可配置中文环境）
- 网络配置保持默认
- 磁盘分区选择“使用整个磁盘”
- 设置用户名和密码（建议使用强密码）
- 不安装额外软件（我们后续手动安装所需组件）
安装完成后重启

VMware Tools能显著提升虚拟机性能，特别是图形和文件共享功能。

4.1 安装步骤

在VMware菜单中，选择“虚拟机”→“安装VMware Tools”

在Ubuntu虚拟机中，挂载CD-ROM：

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

解压安装包：

cd /tmp tar zxpf /mnt/cdrom/VMwareTools-*.tar.gz

运行安装脚本：

cd vmware-tools-distrib sudo ./vmware-install.pl

安装过程中，对所有提示按回车选择默认选项
安装完成后重启虚拟机：
```
sudo reboot
```

4.2 验证安装

安装成功后，你应该能观察到：

鼠标可以在主机和虚拟机间无缝移动
屏幕分辨率自动适应窗口大小
剪贴板共享功能正常工作

如果你的主机有NVIDIA显卡并且支持PCI直通，可以配置GPU直通以获得更好的AI模型运行性能。

5.1 检查硬件支持

在主机上检查IOMMU支持：
```
dmesg | grep -i iommu
```
如果看到“IOMMU enabled”则表示支持
检查显卡是否支持直通：
```
lspci -nn | grep -i nvidia
```
记下显卡的设备ID（格式为[xxxx:xxxx]）

5.2 配置VMware直通

关闭虚拟机
右键虚拟机→设置→添加→PCI设备
选择你的NVIDIA显卡
启动虚拟机

5.3 安装NVIDIA驱动

在Ubuntu虚拟机中：

添加官方NVIDIA仓库：

sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt update

查找推荐驱动版本：
```
ubuntu-drivers devices
```

安装推荐驱动：

sudo apt install nvidia-driver-XXX # 替换XXX为推荐版本号

重启后验证：
```
nvidia-smi
```
应该能看到显卡信息

6.1 安装基础依赖

更新系统：
```
sudo apt update && sudo apt upgrade -y
```
安装Python和pip：
```
sudo apt install python3 python3-pip -y
```
安装CUDA Toolkit（如果使用GPU）：
```
sudo apt install nvidia-cuda-toolkit -y
```
安装其他依赖：
```
sudo apt install git wget curl -y
```

6.2 通过星图GPU平台部署

注册并登录CSDN星图GPU平台
在控制台找到千问3.5-2B镜像

获取部署命令，类似：

docker pull registry.cn-hangzhou.aliyuncs.com/csdn/qwen-3.5-2b:latest

在虚拟机中运行部署命令
等待镜像下载完成

6.3 运行模型

启动容器：

docker run -it –gpus all -p 7860:7860 registry.cn-hangzhou.aliyuncs.com/csdn/qwen-3.5-2b:latest

模型会自动下载所需权重文件（确保网络畅通）
启动完成后，你可以在虚拟机内部通过命令行与模型交互
或者通过端口映射，在主机浏览器访问：
```
http://localhost:7860
```

7.1 虚拟机性能问题

如果感觉虚拟机运行缓慢：

检查是否分配了足够的内存和CPU核心
确保已安装VMware Tools
关闭不必要的虚拟机服务

7.2 GPU直通失败

如果GPU直通不工作：

确认主机BIOS中已启用VT-d/AMD-Vi
检查显卡是否被其他进程占用
尝试不同的NVIDIA驱动版本

7.3 模型部署问题

如果模型无法正常运行：

检查docker日志：
```
docker logs 
    
      
      
```
确保网络连接正常，能访问镜像仓库
验证CUDA是否正常工作：
```
nvcc –version
```

通过这篇教程，我们完成了从零开始在VMware虚拟机中部署千问3.5-2B模型的完整流程。整个过程虽然步骤较多，但每一步都是可控的。使用虚拟机的最大优势是环境隔离，你可以放心地进行各种实验而不用担心影响主机系统。

实际使用下来，VMware虚拟机的性能表现相当不错，特别是配合GPU直通后，模型推理速度接近原生环境。当然，如果遇到性能瓶颈，也可以考虑直接在物理机上部署，或者使用云GPU服务。

建议初次接触的开发者按照教程一步步操作，遇到问题时参考常见问题解决部分。熟悉之后，你可以尝试优化配置，比如调整虚拟机资源分配、尝试不同的Ubuntu版本等，找到最适合自己开发需求的配置方案。

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。