从零构建一个linux虚拟机

经历了N次重装Linux虚拟机，每次回想曾经的配置步骤属实让人十分疲惫，因此记录下此文，如果有需要的朋友也可以参考此文。

1. 虚拟机设置

• 软件：VMware
• 镜像文件：ubuntu-20.04.1-desktop-amd64.iso
• 虚拟机版本：20.04，64位
• 设置内存：40G

VMware构建虚拟机还是十分方便的，直接选好镜像文件就默认安装就行（VirtulBox使用感属实不太好），安装时注意内存还是设置大一点，20G可能之后会不够，不够的话扩容也很麻烦。

可以用arch命令看看自己的属性，用上面的镜像文件安装的就如下图所示（amd64，即x86-64，即x64）：

2. 构建共享文件夹

①查看虚拟机IP

先安装net-tools：

sudo apt install net-tools

然后输入

ifconfig

可见虚拟机IP为：192.169.142.130

windows命令窗运行如下，即正常。

②安装SSH

sudo apt-get install openssh-server

③windows下安装软件：RaiDrive

如下配置：

再点击连接即可。

3. 安装java环境

输入

sudo apt install openjdk-17-jdk

再输入

java -version

如下显示，即正常

4. 安装Anaconda3

①下载安装包

在以下网址下载安装包：Anaconda3-2022.05-Linux-x86_64.sh，通过共享文件夹存放到虚拟机的home/guojiejie/Downloads文件夹下。

Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

②安装

在虚拟机终端home/guojiejie/Downloads文件夹下打开终端，然后输入以下命令即可安装：

bash Anaconda3-2022.05-Linux-x86_64.sh

检查一下是不是默认安装地址：home/guojiejie/anaconda3

③测试

安装完毕后，测试：

conda --version

python

如下图所示，说明需要配置环境。

④环境配置

vim ~/.bashrc （如果没有vim先安装就行）

输入i进入insert模式，在最后添加：

export PATH="/home/guojiejie/anaconda3/bin:$PATH"

esc退出编辑，然后输入下行命令，保存并退出vim编辑器

:wq

然后输入下行命令

source ~/.bashrc

最后检查，如下图所示，即配置成功了。

5. 安装tensorflow和keras环境

注意版本适配：

最全tensorflow，PyTorch ，numpy和keras 版本匹配汇总_源代码杀手的博客-CSDN博客

因为作业需求，建立下面的一个环境——环境命名：tf1.12：

• python 3.6
• tensorflow 1.12
• keras 2.24环境

①用conda建立python 3.6版本的环境tf1.12

输入

conda create -n tf1.12 pip python=3.6

构建完毕后，输入

source activate tf1.12

如下图所示，即正常

输入：

conda info -e

此时可以查看conda的环境list，如下图所示:

②安装tensorflow

先进入tf1.12环境，然后输入下列命令，安装tensorflow：【使用的URL是python3.6 CPU版本的tensorflow】

pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.12.0-cp36-cp36m-linux_x86_64.whl 

然后测试一下：
输入

python

进入python后，输入下面几行python代码，看看正不正常即可。

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

可能输出的其他信息比较多（主要是我安的是CPU版本），但是没报错就行。

③安装keras

输入下列命令即可安装:

conda install keras=2.2.4

同样，进入python验证一下是否安装成功，import之后用下面的命令可以看看版本：

keras.__version__

如下图，这里也顺便检验了一下tensorflow的版本，和之前预设的版本相同，就是可以跑的。

6. 跑一个手写数字识别项目

①项目下载

获取keras源码，如果是需要最新版直接git即可，如果不是，可以进下面网站找自己想下的版本：github-keras-release

比如我要下2.2.4，所以找到了如下图所示的keras2.2.4，然后直接下载压缩包，并通过共享文件夹copy至虚拟机即可。

我这里下载到了home/Downloads/keras-2.2.4文件夹，结构长这样：

②下载数据集

首先下载npz格式的数据集：
mnist.npz

然后用共享文件夹，将数据集copy到/home/Downloads/keras-2.2.4/datasets文件夹下（自己新建文件夹）

【私密马赛，突然发现好像下一步运行example的时候它会自动从这个链接下载数据集，可能这一步是多余的】

③运行example

关于该项目，examples文件夹就是源码使用的一些代码：

就以mnist_mlp.py为例运行，首先在该文件夹下打开终端，然后运行之前构建好的tf1.12环境，运行下列命令：

python3 mnist_mlp.py

运行结果：

7. 安装pytorch环境

①建立环境pt1.8

重新建立一个环境——命名：p1.8

• python：3.6
• pytorch：1.8

用conda创建环境，步骤和上面一样

②选择命令

进入官网：pytorch

根据自己的配置选择，比如我要的pytorch版本是1.8，系统是linux，package是Conda，语言是python，处理器是CPU。

由此得到了命令：

conda install pytorch torchvision torchaudio cpuonly -c pytorch-lts

③测试

同样，安装完毕后进入python测试一下，输入：

import torch
torch.__version__

如下图所示，及安装成功啦：

8. 安装vocde

①下载安装包

here：官网
找到linux，64位版本，下载tar.gz

然后同样通过共享文件夹放到虚拟机里面去。

②安装

在压缩包所在文件夹打开终端，首先解压：

tar -xzf xxx.tar.gz

然后先获取一下权限

sudo su

然后把解压后的文件移动到/usr/local/目录下面。

mv VSCode-linux-x64 /usr/local/ 

③在vscode启动虚拟环境

首先打开vscode，下载扩展包：python

然后创建一个test.py试试，内容如下：

from keras.datasets import cifar10
# Simple CNN model for CIFAR-10
import numpy as np
import matplotlib.pyplot as plt
import os

#Data set information
DATASET = 'cifar-10'

#load data
(X_train, y_train),(X_test,y_test) = cifar10.load_data()
X_train.shape, X_test.shape, X_train.shape[1:],X_train.dtype


#Plot data
for i in range(0,9):
    plt.subplot(330+1+i)
    plt.imshow(X_train[i])
plt.show() 

然后ctrl+shift+p，输入python，找到“Python：Select Interpreter”点击。

然后就可以找到自己之前创建的虚拟环境啦，这里选择tf1.12。

然后点击右上角三角形运行，运行无报错。

9. 安装pycharm

①下载安装包

在这里下载安装包：官网

这里下载的版本是pycharm-community-2022.2.3

同样通过共享文件夹copy至虚拟机，放在了Downloads里。

②安装

在home/Downloads/pycharm-community-2022.2.3/bin文件夹下，有一个pycahrm.sh

在该文件夹下打开终端，输入：

sh pycharm.sh

很好，还是出现了这个问题：

尝试解决这个问题，网上很多教程都是基于jdk8版本，但是现在已经是17版本了。。。
打开之前装java的位置，默认是在usr/lib/jvm，如下图所示：

然后点开第一个文件夹java-1.17.0-openjdk-amd64，里面长这样：

所以，可见是没有jre文件夹的，所以教程经常长这样，是行不通的：

JDK11以上版本，安装的jdk就没有jre了。仍然未解决。。。未完待续