VMware虚拟机中搭建PP-DocLayoutV3开发测试环境教程

你是不是也遇到过这种情况：手头只有一台Windows电脑，但项目开发偏偏需要一个干净的Linux环境，或者想测试某个AI模型又不想把本地系统搞得一团糟？我之前就经常被这种问题困扰，直到我开始用虚拟机。

今天，我就来手把手教你，如何在Windows电脑上，用VMware Workstation搭一个Ubuntu虚拟机，然后在这个“独立小房间”里，把PP-DocLayoutV3这个文档版面分析模型给跑起来。整个过程就像在电脑里装了一个“软件盒子”，盒子里面是一个完整的Linux系统，你可以在里面随便折腾，完全不影响外面的Windows。学完这篇，你就能拥有一个随时可用、随时重置的AI开发测试环境了。

1. 准备工作：你需要什么

在开始动手之前，我们先看看需要准备哪些东西。放心，大部分都是免费的。

软件清单：

• VMware Workstation Player：这是虚拟机软件，相当于那个“盒子”的制造工具。个人非商业用途可以免费使用，功能完全够用。
• Ubuntu 22.04 LTS 镜像文件：这是我们要装在“盒子”里的Linux系统。LTS版本长期支持，更稳定。推荐从官网下载桌面版，用起来更直观。
• PP-DocLayoutV3 项目代码：这是今天的主角，一个用于文档版面分析的AI模型。

硬件建议：

• CPU：建议至少4核。现在的电脑基本都满足。
• 内存：给虚拟机分配至少8GB（8192 MB）。如果你的电脑是16GB内存，分8GB给虚拟机后，Windows也还能流畅运行。
• 硬盘空间：建议预留50GB以上的空闲空间，用于安装Ubuntu系统和后续的各种软件、模型。
• 网络：需要能正常上网，因为安装过程中和后续部署都需要下载很多组件。

如果你的电脑有NVIDIA独立显卡，并且想尝试在虚拟机里也用上GPU来加速模型推理（这一步是可选的，CPU也能跑），那么还需要提前在Windows上安装好正确的NVIDIA显卡驱动。这个我们后面会专门讲。

2. 第一步：创建你的Ubuntu虚拟机

万事俱备，我们开始打造那个“软件盒子”。

2.1 安装并打开VMware Workstation Player

首先，去VMware官网下载Workstation Player，安装过程就是一路“下一步”，没什么特别的。安装完成后打开它，你会看到一个清爽的界面。

2.2 新建虚拟机向导

点击“创建新虚拟机”，我们会进入一个向导流程。

1. 选择安装来源：这里我们选择“安装程序光盘映像文件”，然后点击“浏览”，找到你之前下载好的那个Ubuntu 22.04的 .iso 文件。VMware会自动检测到这是Ubuntu。
2. 设置用户名和密码：接下来需要设置你在这个Ubuntu系统里的登录名和密码，记住它们，以后每次登录都要用。
3. 命名虚拟机与选择位置：给你的虚拟机起个名字，比如“My_Ubuntu_Dev”。然后，选择一个剩余空间大的磁盘分区来存放这个虚拟机文件，比如 D:\VM\。
4. 指定磁盘容量：这里建议设置大一点，比如80GB。选择“将虚拟磁盘拆分成多个文件”，这样更方便管理和迁移。
5. 自定义硬件（关键步骤）：在点击“完成”前，一定要点一下“自定义硬件”按钮。
   • 内存：在左侧选择“内存”，根据之前建议，拖到至少8192 MB（8GB）。
   • 处理器：选择“处理器”，将“内核数量”设置为4（如果你的CPU核心数足够多）。
   • 网络适配器：确保网络连接是“NAT模式”。这样虚拟机可以上网，也能和你的Windows主机互相通信，是最省心的设置。
   • 其他：显示器设置可以保持默认。检查无误后，点击“关闭”，然后点击“完成”。

2.3 安装Ubuntu系统

现在，VMware会自动启动这台新虚拟机，并开始从你指定的 .iso 文件安装Ubuntu。安装界面是图形化的，非常友好。

1. 选择语言，点击“安装Ubuntu”。
2. 键盘布局选择“英语（美国）”或者“中文”，都可以。
3. 在“安装类型”页面，直接选择“清除整个磁盘并安装Ubuntu”，不用担心，这只会清除虚拟机内部的虚拟磁盘，不会动你真实的Windows硬盘。
4. 点击“现在安装”，在弹出确认对话框时点“继续”。
5. 设置时区，地图上点一下“上海”即可。
6. 接下来就是等待安装过程自动完成。期间会让你创建用户，这里的信息我们之前在向导里已经填过了，系统会自动填好，直接点“继续”就行。
7. 安装完成后，系统会提示重启。点击“现在重启”，虚拟机重启后，输入你设置的密码，就能进入Ubuntu桌面了。恭喜，你的Linux“盒子”已经成功运行起来了！

进入系统后，我建议你先打开“软件更新器”，把所有的系统更新都安装一下，确保环境是最新的。

3. 第二步：配置虚拟机开发环境

系统装好了，但它还是个“毛坯房”。我们需要把它装修成适合开发的“精装房”。

3.1 安装基础开发工具

打开Ubuntu里的“终端”（快捷键 Ctrl+Alt+T），我们通过命令行来安装各种工具，这是Linux下最高效的方式。

首先，更新一下软件包列表：

sudo apt update

然后，安装一些必备的软件和工具：

sudo apt install -y git curl wget vim python3-pip python3-venv build-essential

• git：用来下载项目代码。
• curl, wget：网络下载工具。
• vim：一个文本编辑器，在终端里修改文件很方便。
• python3-pip, python3-venv：Python的包管理器和虚拟环境工具，这是Python开发的基石。
• build-essential：包含编译软件所需的基础工具。

3.2 （可选但推荐）配置GPU穿透

如果你的主机有NVIDIA显卡，并且想让虚拟机里的AI模型也能用上GPU加速，可以尝试这个步骤。这步稍微复杂点，如果失败或者你没有GPU，完全可以跳过，用CPU运行模型只是慢一点，不影响功能。

前提条件：确保你的Windows主机已安装最新版NVIDIA驱动。

1. 关闭虚拟机：在VMware里，先将这台Ubuntu虚拟机关机。
2. 修改虚拟机设置：在VMware主界面，选中你的虚拟机，点击“编辑虚拟机设置”。
3. 添加PCIe设备：在“硬件”标签页，点击“添加”，选择“PCI设备”，点击“下一步”。在列表中，你应该能看到你的NVIDIA显卡（比如 NVIDIA GeForce RTX 4060），选中它，点击“确定”。
4. 重启并安装驱动：重新启动Ubuntu虚拟机。进入系统后，再次打开终端。 你需要为虚拟机内的Ubuntu系统安装NVIDIA驱动。Ubuntu提供了一个比较安全的方式：

   sudo ubuntu-drivers autoinstall
   

   运行这个命令，系统会自动检测并安装合适的驱动。安装完成后，必须重启虚拟机。
5. 验证：重启后，在终端输入：

   nvidia-smi
   

   如果能看到显卡信息表格，显示GPU型号、驱动版本等，就说明GPU穿透成功了！虚拟机现在可以调用你的物理显卡了。

3.3 准备Python环境

为了避免不同项目的Python包互相冲突，我们为PP-DocLayoutV3创建一个独立的虚拟环境。

1. 创建一个项目目录并进入：

   mkdir -p ~/projects/ppdoclayout
   cd ~/projects/ppdoclayout
   

2. 创建Python虚拟环境：

   python3 -m venv paddlenlp_env
   

   这会在当前目录下创建一个名为 paddlenlp_env 的文件夹，里面是一个干净的Python环境。
3. 激活虚拟环境：

   source paddlenlp_env/bin/activate
   

   激活后，你的命令行提示符前面通常会显示 (paddlenlp_env)，表示你现在正工作在这个独立环境里。后续所有操作，请确保在这个激活的环境中进行。

4. 第三步：部署与运行PP-DocLayoutV3

环境终于准备好了，现在让我们把主角请上台。

4.1 获取项目代码与安装依赖

PP-DocLayoutV3是飞桨PaddlePaddle生态下的一个模型，所以我们先安装PaddlePaddle深度学习框架。

1. 安装PaddlePaddle：
   • 如果你成功配置了GPU，安装支持GPU的版本（速度更快）：

     python -m pip install paddlepaddle-gpu==2.6.0 -i https://mirror.baidu.com/pypi/simple
     

   • 如果你使用CPU，安装CPU版本：

     python -m pip install paddlepaddle==2.6.0 -i https://mirror.baidu.com/pypi/simple
     

2. 安装PaddleOCR和布局分析套件：PP-DocLayoutV3集成在PaddleOCR的布局分析工具中。

   python -m pip install "paddleocr>=2.7.0" "paddlestructure>=2.6.0" -i https://mirror.baidu.com/pypi/simple
   

   这个命令会安装PaddleOCR以及文档结构分析（paddlestructure）所需的包。

4.2 运行你的第一个版面分析

现在，让我们写一个简单的Python脚本来测试一下环境是否工作正常。

1. 在项目目录下创建一个测试脚本 test_layout.py：

   vim test_layout.py
   

   按 i 键进入编辑模式，粘贴以下代码：

   from paddlestructure import PPStructureV2
   
   # 初始化版面分析引擎，使用PP-DocLayoutV3模型
   # 首次运行会自动下载模型文件，请保持网络通畅
   table_engine = PPStructureV2(layout=True, show_log=True)
   
   # 指定一张测试图片的路径
   # 你可以先随便找一张包含文字和表格的图片，放到项目目录下，比如命名为 `test_doc.jpg`
   img_path = './test_doc.jpg'
   
   # 进行版面分析
   result = table_engine(img_path)
   
   # 打印分析结果
   for region in result:
       print(f"区域类型: {region['type']}")
       print(f"区域坐标: {region['bbox']}")
       if region['type'] in ['text', 'title']:
           print(f"识别文字: {region.get('res', 'N/A')}")
       print("-" * 30)
   

   按 Esc 键，然后输入 :wq 并按回车，保存并退出vim。

2. 准备测试图片：你可以从网上找一张简单的文档截图，或者用PPT自己做一张包含标题、段落和表格的图片，保存到 ~/projects/ppdoclayout/ 目录下，并命名为 test_doc.jpg。

3. 运行脚本：

   python test_layout.py
   

   第一次运行会下载模型文件，可能需要等待几分钟，取决于你的网速。下载完成后，程序会分析图片，并在终端输出识别出的各个区域（如标题、正文、表格）及其位置坐标和文字内容。

看到终端里打印出结构化的信息，就说明你的PP-DocLayoutV3开发测试环境已经完全搭建成功，并且可以正常工作了！

5. 常见问题与小技巧

第一次搭建难免会遇到点小麻烦，这里有几个我踩过的坑和解决办法。

• 虚拟机卡顿：如果感觉Ubuntu桌面操作不流畅，可以回到虚拟机设置里，给“显示器”分配更多的显存（比如2GB或4GB），并勾选“加速3D图形”。
• pip install 速度慢或失败：命令中我们已经使用了百度的镜像源 -i https://mirror.baidu.com/pypi/simple，如果还慢，可以尝试更换为清华源或阿里云源。
• 模型下载中断：由于模型文件较大，下载可能不稳定。如果中断，重新运行脚本即可，paddleocr 支持断点续传。
• 共享文件夹：想要在Windows和Ubuntu之间方便地传文件？可以在VMware的“虚拟机设置” -> “选项” -> “共享文件夹”中设置。在Ubuntu里，共享的文件夹通常位于 /mnt/hgfs/ 下。
• 环境管理：每次打开新的终端窗口，都需要先 cd 到项目目录，然后执行 source paddlenlp_env/bin/activate 来激活虚拟环境。嫌麻烦？可以把这两行命令写到 ~/.bashrc 文件的末尾，这样每次打开终端都会自动激活。

6. 总结

走完这一整套流程，你应该已经拥有了一个运行在VMware虚拟机里的、功能完整的PP-DocLayoutV3开发测试环境。回顾一下，我们主要做了三件事：一是用VMware创建了一个隔离的Ubuntu系统；二是配置好了包括Python、GPU驱动在内的所有基础软件；三是成功安装并运行了PP-DocLayoutV3模型。

这种虚拟机方案最大的好处就是“干净”和“安全”。你可以在里面随意安装库、测试代码，甚至把系统搞崩了，也只需要几分钟就能从快照恢复或者干脆删了重装，完全不会影响你宿主机的工作。对于需要频繁切换环境，或者不想污染主力机的开发者来说，这绝对是一个值得掌握的技能。

接下来，你就可以基于这个环境，去深入探索PP-DocLayoutV3的更多功能了，比如批量处理文档、定制化模型、或者将分析结果集成到你自己的应用里去。开发之路，现在就从你这个独立的“小盒子”里开始了。

---

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。