在UTM虚拟机上运行Fedora ARM版的完整指南
2025-05-05 17:28:45作者:毕习沙Eudora
背景介绍
随着Apple Silicon芯片(M1/M2/M3系列)的普及,越来越多的开发者希望在Mac上运行ARM架构的Linux发行版。Fedora作为一款流行的Linux发行版,其ARM版本在Apple Silicon设备上运行具有很好的兼容性。然而,Fedora官方并未提供标准的ISO安装镜像,而是提供了RAW格式的磁盘映像文件,这给在UTM虚拟机上的安装带来了一些挑战。
Fedora ARM镜像获取
Fedora官方为ARM架构提供了两种主要类型的镜像:
- 服务器版镜像:提供基本的命令行环境
- 桌面环境镜像:包含KDE等图形界面环境
值得注意的是,Fedora ARM版通常只提供.raw.xz格式的压缩磁盘映像,而不是传统的ISO安装镜像。用户需要先解压这些文件才能使用。
在UTM中安装Fedora ARM的两种方法
方法一:使用网络安装镜像
虽然Fedora没有提供完整的桌面环境ISO,但用户可以使用"Everything"网络安装镜像:
- 下载网络安装镜像
- 在UTM中创建新的ARM虚拟机
- 选择"安装介质"时指定下载的网络安装镜像
- 安装过程中选择需要安装的桌面环境(如KDE)
这种方法需要稳定的网络连接,因为大部分软件包需要从网络下载。
方法二:直接使用RAW磁盘映像
对于希望直接使用预配置桌面环境的用户,可以采用以下步骤:
- 下载并解压Fedora提供的
.raw.xz文件 - 在UTM中创建新虚拟机时,暂时指定一个空文件或非Fedora ISO作为安装介质
- 创建完成后,进入虚拟机设置,移除所有虚拟磁盘
- 添加新磁盘时选择"导入",指向解压后的RAW文件
- 保存设置后启动虚拟机
这种方法可以直接获得预配置好的Fedora桌面环境,无需经过安装过程。
常见问题解决方案
网络配置问题
在安装过程中可能会遇到网络连接问题,建议:
- 使用共享网络模式而非桥接模式
- 在网络安装时选择最近的镜像站点
- 确保主机网络连接正常
系统更新后无法启动
部分用户报告在系统更新后出现启动问题,这可能是由于:
- 内核更新与UTM虚拟化环境不兼容
- 引导加载程序配置被更改
建议在更新前创建虚拟机快照,以便出现问题时可快速恢复。
性能优化建议
为了获得更好的运行体验:
- 为虚拟机分配足够的内存(至少4GB)
- 启用3D加速(如果使用图形界面)
- 使用UTM的Apple虚拟化后端而非QEMU
- 定期清理不需要的软件包以节省空间
总结
在UTM虚拟机上运行Fedora ARM版虽然需要一些额外的配置步骤,但通过本文介绍的两种方法,用户可以灵活选择最适合自己需求的安装方式。无论是开发者需要测试ARM环境,还是普通用户想体验Linux桌面,Fedora ARM版都是Apple Silicon设备上一个不错的选择。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
314
2.73 K
deepin linux kernel
C
24
7
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
639
245
仓颉编译器源码及 cjdb 调试工具。
C++
124
852
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
470
Ascend Extension for PyTorch
Python
154
178
暂无简介
Dart
605
136
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
239
84
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
364
3.01 K
React Native鸿蒙化仓库
JavaScript
238
310