news 2026/4/3 4:51:20

RetinaFace模型在VMware虚拟机中的开发环境配置

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
RetinaFace模型在VMware虚拟机中的开发环境配置

RetinaFace模型在VMware虚拟机中的开发环境配置

想在本地电脑上跑RetinaFace人脸检测模型，但又不想折腾复杂的Linux系统或担心搞乱自己的主环境？用VMware虚拟机是个绝佳的选择。它就像在你的Windows或macOS电脑里，单独划出一个“小房间”，让你在里面安心搭建Linux开发环境，随便折腾，完全不影响外面的系统。

今天这篇教程，我就手把手带你走一遍在VMware虚拟机里，从零开始搭建RetinaFace开发环境的完整流程。我们会重点解决几个关键问题：怎么让虚拟机里的Linux系统也能用上你电脑的独立显卡（GPU穿透），怎么方便地在虚拟机和主机之间传文件（共享文件夹），以及怎么安装所有必需的开发工具。整个过程力求清晰，让你跟着做就能跑通。

1. 准备工作：安装VMware与Linux镜像

在开始配置RetinaFace之前，我们需要先把“小房间”建好，也就是安装好虚拟机软件和操作系统。

1.1 获取VMware Workstation Player

首先，你需要一个虚拟机软件。VMware Workstation Player是个人免费使用的，非常适合学习和开发。去VMware官网下载对应你电脑系统（Windows或Linux）的安装包，然后像安装普通软件一样完成安装即可。

1.2 选择并下载Linux发行版

对于深度学习开发，Ubuntu是一个被广泛支持且社区资源丰富的选择。建议下载Ubuntu 20.04 LTS或Ubuntu 22.04 LTS的桌面版ISO镜像文件。LTS版本意味着长期支持，更稳定。你可以从Ubuntu官网直接下载。

1.3 创建新的虚拟机

打开安装好的VMware Workstation Player，点击“创建新虚拟机”。

  1. 安装来源：选择你下载好的Ubuntu ISO镜像文件。
  2. 简易安装：勾选“简易安装”，这会自动帮你设置用户名、密码和主机名，省去安装过程中的手动配置。
  3. 虚拟机命名和位置：给你的虚拟机起个名字，比如“RetinaFace-Dev”，并选择一个有足够空间的磁盘位置来存放虚拟机文件。
  4. 指定磁盘容量：建议分配至少50GB的磁盘空间。选择“将虚拟磁盘拆分成多个文件”，这样迁移和备份会更灵活。
  5. 自定义硬件（关键步骤）：在完成创建前，点击“自定义硬件”按钮。
    • 内存：根据你主机内存大小，分配给虚拟机至少8GB（8192MB），如果主机内存充裕，分配12GB或16GB体验会更流畅。
    • 处理器：分配至少2个核心，4个更佳。
    • 网络适配器：选择“NAT模式”，这样虚拟机可以共享主机的网络上网，同时拥有独立的内部IP。
    • 显示器：保持默认即可。
    • 最重要的是，在这里先不要关闭窗口，我们下一步要配置GPU。

完成这些后，先不要点“完成”，我们接着进行最关键的GPU配置。

2. 核心步骤：配置GPU穿透（PCIe Passthrough）

要让RetinaFace这类深度学习模型在虚拟机里也能利用GPU进行加速计算，必须将主机的物理GPU直接“穿透”给虚拟机使用。这是整个配置中最核心的一步。

重要前提：你的CPU和主板需要支持虚拟化技术（如Intel VT-d或AMD-Vi），并且需要在主机BIOS中开启这些功能。请先自行搜索你的电脑型号如何开启虚拟化支持。

在刚才的“自定义硬件”窗口中：

  1. 点击左侧的**“添加”**按钮。
  2. 在弹出的硬件类型列表中，选择**“PCI设备”**，然后点击“完成”。
  3. 这时，在硬件列表里会出现一个新的“PCI设备”。选中它，在右侧的详细面板中，你会看到一个下拉列表，里面列出了你主机上的PCI设备（主要是显卡）。
  4. 从列表中找到你的独立显卡（NVIDIA GeForce RTX系列或AMD Radeon系列）。请注意，不要选择集成显卡，通常它显示为Intel UHD Graphics或AMD Radeon Vega。选择你的独立显卡。
  5. 勾选“所有功能”相关的选项（如果存在），确保GPU的所有功能都能被虚拟机识别。
  6. 配置完成后，关闭自定义硬件窗口，并完成虚拟机的创建。

首次启动与安装：现在，启动虚拟机。由于我们使用了“简易安装”并提供了ISO，VMware会自动开始安装Ubuntu系统。整个过程无需干预，安装完成后会自动重启进入桌面。用你之前设置的用户名密码登录。

3. 基础环境搭建：安装VMware Tools与共享文件夹

系统装好了，我们先来提升虚拟机的使用体验，特别是解决文件传输问题。

3.1 安装VMware Tools (Open VM Tools)

VMware Tools能提供更好的显示性能、鼠标集成和剪贴板共享。在Ubuntu虚拟机中，安装开源版本即可。 打开终端（Ctrl+Alt+T），输入以下命令：

sudo apt update sudo apt install open-vm-tools-desktop -y

安装完成后，重启虚拟机以使所有功能生效。

3.2 设置共享文件夹

共享文件夹让你能在主机和虚拟机之间无缝拖放或访问文件。

  1. 在VMware中设置：先关闭虚拟机电源。在VMware主界面，选中你的虚拟机，点击“编辑虚拟机设置”。在“选项”标签页中，选择“共享文件夹”。将其设置为“总是启用”，然后点击“添加”按钮，按照向导选择一个你主机上的文件夹（例如D:\VM_Share）作为共享目录，并给它起一个在虚拟机内看到的名称（如host_share）。
  2. 在虚拟机中挂载：启动虚拟机并登录。共享文件夹通常会自动挂载到/mnt/hgfs/目录下。你可以打开文件管理器，查看该目录下是否有你命名的文件夹（如host_share）。 如果没看到，可以手动挂载：
    sudo vmhgfs-fuse .host:/ /mnt/hgfs -o allow_other -o uid=1000 -o gid=1000
    为了方便，你可以将它添加到桌面快捷方式，或者创建一个软链接到你的家目录：
    ln -s /mnt/hgfs/host_share ~/Desktop/SharedFromHost

4. 开发环境配置：安装NVIDIA驱动与CUDA

现在进入深度学习环境配置的正题。我们需要在Ubuntu虚拟机内安装GPU驱动和CUDA工具包。

4.1 安装NVIDIA显卡驱动

由于我们使用了GPU穿透，虚拟机内的Ubuntu会直接识别到你的物理显卡。我们通过系统仓库安装推荐驱动。

  1. 更新软件包列表并安装驱动安装工具：
    sudo apt update sudo apt install ubuntu-drivers-common -y
  2. 检查可用的驱动版本并安装推荐版本：
    ubuntu-drivers devices sudo apt install nvidia-driver-535 -y # 这里`535`替换为上一命令推荐版本号
  3. 安装完成后，重启虚拟机。
  4. 重启后，在终端输入nvidia-smi。如果看到显卡信息表格，说明驱动安装成功，GPU已被正确识别。

4.2 安装CUDA工具包

CUDA是NVIDIA的并行计算平台。我们使用网络安装方式。

  1. 访问NVIDIA CUDA Toolkit官网，选择适合你Ubuntu版本的runfile（本地）安装方式。例如，对于Ubuntu 22.04，你可以选择CUDA 12.x。
  2. 根据官网提供的指令，在终端中执行类似下面的命令（具体版本号和链接请以官网为准）：
    wget https://developer.download.nvidia.com/compute/cuda/12.4.0/local_installers/cuda_12.4.0_550.54.14_linux.run sudo sh cuda_12.4.0_550.54.14_linux.run
  3. 在安装界面中，通过回车键取消驱动安装（因为我们已经装好了），只选中CUDA Toolkit，然后继续安装。
  4. 安装完成后，需要将CUDA路径添加到环境变量。编辑你的~/.bashrc文件：
    nano ~/.bashrc
    在文件末尾添加：
    export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
    保存退出后，执行source ~/.bashrc使配置生效。运行nvcc --version验证CUDA安装。

4.3 安装cuDNN

cuDNN是深度神经网络加速库。你需要注册NVIDIA开发者账号并下载对应CUDA版本的cuDNN Library for Linux。 下载后，通常是.tar.xz文件，在终端中解压并复制文件到CUDA目录：

tar -xvf cudnn-linux-x86_64-8.x.x.x_cuda12-archive.tar.xz # 替换为你的文件名 sudo cp cudnn-*-archive/include/cudnn*.h /usr/local/cuda/include/ sudo cp -P cudnn-*-archive/lib/libcudnn* /usr/local/cuda/lib64/ sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*

5. Python环境与RetinaFace项目部署

最后一步，我们创建独立的Python环境并拉取RetinaFace代码。

5.1 安装Miniconda与创建环境

使用Conda管理环境可以避免包冲突。

  1. 下载并安装Miniconda：
    wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh bash Miniconda3-latest-Linux-x86_64.sh
    按照提示安装，安装完成后重启终端或执行source ~/.bashrc。
  2. 创建一个名为retinaface的Python环境（这里用Python 3.8，一个兼容性较好的版本）：
    conda create -n retinaface python=3.8 -y conda activate retinaface

5.2 安装PyTorch与依赖

根据你的CUDA版本，在PyTorch官网获取安装命令。例如，对于CUDA 12.1：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

然后安装一些通用依赖：

pip install opencv-python pillow numpy matplotlib scipy

5.3 克隆与运行RetinaFace

现在可以获取RetinaFace的代码了。一个流行的PyTorch实现是biubug6/pytorch_retinaface。

  1. 克隆仓库：
    cd ~ git clone https://github.com/biubug6/Pytorch_Retinaface.git cd Pytorch_Retinaface
  2. 根据仓库的README.md，你可能需要下载预训练模型权重（.pth文件）放到指定目录。
  3. 尝试运行一个简单的测试脚本，验证环境是否工作。例如，仓库通常提供test.py或detect.py。你需要准备一张测试图片（可以从共享文件夹放进来）：
    python detect.py --image_path ./test_image.jpg --save_path ./output.jpg
    如果一切顺利，你会在当前目录下看到生成的结果图片output.jpg，上面画出了检测到的人脸框和关键点。

6. 总结与后续建议

走完这一整套流程，你应该已经成功在VMware虚拟机里搭建好了一个可以跑RetinaFace的完整开发环境。回顾一下，最关键的三步是：正确配置GPU穿透让虚拟机获得显卡算力、安装合适的NVIDIA驱动和CUDA套件、以及用Conda管理一个干净的Python环境。

实际用起来，这个环境的好处很明显。你可以在里面大胆尝试各种库的安装和卸载，不用担心影响主机系统。通过共享文件夹，数据和代码的交换也变得非常方便。如果某天环境被不小心搞乱了，最简单粗暴的办法就是删掉这个虚拟机，然后用我们配置好的这个虚拟机文件做个备份，下次直接复制一份就能快速恢复到一个干净可用的状态。

接下来，你可以深入RetinaFace的代码，尝试用自己的图片或视频进行检测，或者学习如何在自己的数据集上训练模型。虚拟机这个“沙盒”给了你充足的探索空间。

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。

版权声明: 本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系邮箱：809451989@qq.com进行投诉反馈，一经查实，立即删除！
网站建设 2026/4/3 2:17:31

掌握Cabana：从入门到精通的CAN总线调试实战指南

掌握Cabana：从入门到精通的CAN总线调试实战指南 【免费下载链接】openpilot openpilot 是一个开源的驾驶辅助系统。openpilot 为 250 多种支持的汽车品牌和型号执行自动车道居中和自适应巡航控制功能。 项目地址: https://gitcode.com/GitHub_Trending/op/openpil…

作者头像 李华
网站建设 2026/3/28 9:29:34

本地多人游戏新体验：Nucleus Co-Op让单设备变身为多人游戏平台

本地多人游戏新体验：Nucleus Co-Op让单设备变身为多人游戏平台 【免费下载链接】nucleuscoop Starts multiple instances of a game for split-screen multiplayer gaming! 项目地址: https://gitcode.com/gh_mirrors/nu/nucleuscoop 你是否曾遇到过这样的困…

作者头像 李华
网站建设 2026/3/20 23:45:49

老旧智能电视焕新实战：低版本安卓设备的直播解决方案

老旧智能电视焕新实战：低版本安卓设备的直播解决方案 【免费下载链接】mytv-android 使用Android原生开发的电视直播软件 项目地址: https://gitcode.com/gh_mirrors/my/mytv-android 老旧智能电视不应被时代淘汰！针对安卓4.x设备的直播应用适配难…

作者头像 李华
网站建设 2026/4/3 0:09:03

颠覆式3步视频转PPT：告别低效截图，5分钟自动提取完整幻灯片

颠覆式3步视频转PPT：告别低效截图，5分钟自动提取完整幻灯片 【免费下载链接】extract-video-ppt extract the ppt in the video 项目地址: https://gitcode.com/gh_mirrors/ex/extract-video-ppt extract-video-ppt是专为会议记录者和网课学习者打…

作者头像 李华
网站建设 2026/3/26 12:07:40

RMBG-2.0在网络安全领域的创新应用

RMBG-2.0在网络安全领域的创新应用 1. 当安全人员第一次看到这张截图时，他们注意到了什么 上周处理一起钓鱼邮件分析任务时，同事发来一张模糊的截图：某企业员工手机相册里一张被裁剪过的办公桌照片。表面看只是普通工作场景，但安…

作者头像 李华