linux虚拟机优化学习

一.更换镜像

1.备份本地源
mv /etc/yum.repos.d/CentOS-Base.repo /etc/yum.repos.d/CentOS-Base.repo.bak
2.安装阿里源
wget -O /etc/yum.repos.d/CentOS-Base.repo https://mirrors.aliyun.com/repo/Centos-7.repo
3.清除本地缓存
yum clean all
4.加载最新缓存
yum makecache
5.阿里云镜像地址
https://developer.aliyun.com/mirror/centos
二.静态IP地址
1.进入配置文件
vim /etc/sysconfig/network-scripts/ifcfg-ens33
2.更改配置文件如下

在这里插入图片描述

连接的ip地址是多少将IPADDR替换掉即可,GATEWAY是网关IP,在虚拟机的网络设置中查看

在这里插入图片描述

3.重启网络服务
systemctl restart network
### 如何在Linux虚拟机上设置和运行机器学习环境 #### 安装VirtualBox并配置虚拟机 为了能够在本地计算机上安全地测试不同的操作系统,可以利用Oracle VM VirtualBox这样的工具来创建和管理虚拟机。对于希望在一个隔离环境中探索Linux及其应用的人来说,这尤其有用。 安装过程涉及访问官方网站获取适用于当前操作系统的最新版本的安装文件,并遵循所提供的指导完成安装流程[^1]。 #### 下载与部署Fedora Linux作为目标平台 一旦有了功能完备的hypervisor解决方案之后,下一步就是准备实际的操作系统映像。这里选择了 Fedora Linux 发行版作为一个例子来进行说明。用户可以从官方资源下载 ISO 文件,并按照提示将其加载到新创建的虚拟实例当中去。 #### 构建Python基础架构支持科学计算需求 针对 Python 3 开发者而言,在选定好的发行版内构建一个适合做数据分析工作的开发框架至关重要。具体来说,这意味着要确保已经正确设置了 SciPy stack——一组广泛应用于数值运算领域的库集合,比如 NumPy, pandas 和 Matplotlib 等等。这些可以通过 pip 或 conda 来方便快捷地获得所需依赖项。 #### 创建专用于机器学习项目的独立工作空间 考虑到不同项目之间可能存在冲突的情况,建议采用 virtualenv 工具为每一个特定的任务单独开辟一块干净的空间。这样不仅可以简化包管理,而且有助于保持全局环境整洁有序。当涉及到更复杂的场景时,则可能需要用到 Anaconda 这样的综合性解决方案[^2]。 #### 配置GPU加速以提升性能表现(可选) 如果硬件条件允许的话,还可以进一步优化模型训练效率。现代图形处理器提供了强大的浮点运算能力,非常适合用来处理大规模矩阵乘法之类的任务。因此,有必要研究一下 NVIDIA CUDA Toolkit 及其配套驱动程序的集成方法。 ```bash sudo apt-get update && sudo apt-get install nvidia-driver-<version> distribution=$(. /etc/os-release;echo $ID$VERSION_ID) \ && curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add - \ && curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list sudo apt-get update && sudo apt-get install -y nvidia-container-toolkit sudo systemctl restart docker ```
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值