vga-passthrough 的安装和配置教程
项目基础介绍
vga-passthrough 是一个开源项目,旨在在 Linux 系统上(尤其是 Ubuntu 发行版)实现 VGA Passthrough 功能。这个功能可以让虚拟化环境(如 QEMU)实现接近原生速度的 3D 加速。项目提供的指南和脚本可以帮助用户在虚拟机中运行高性能的图形应用程序。
本项目的主要编程语言是 Markdown,用于撰写文档,以及 Bash 脚本语言,用于自动化安装和配置过程。
项目使用的关键技术和框架
该项目使用的关键技术包括:
- VFIO(Virtual Function I/O):Linux 内核功能,允许用户空间应用程序直接访问硬件设备。
- IOMMU(Input/Output Memory Management Unit):负责在设备访问内存时进行地址转换和保护。
- QEMU:一个开源的虚拟化软件,本项目用它来创建和运行虚拟机。
- PCI Passthrough:将物理设备的控制权直接传递给虚拟机。
安装和配置的准备工作
在开始安装 vga-passthrough 之前,请确保您的系统满足以下要求:
- 操作系统:Ubuntu LTS 版本(16.04 及以上)。
- 硬件:支持硬件虚拟化(Intel VT 或 AMD-V)和 IOMMU。
- 权限:具有 sudo 权限的用户。
详细安装步骤
-
更新系统包 首先,确保您的系统是最新的。打开终端,输入以下命令:
sudo apt update && sudo apt upgrade -y -
安装必要的工具和依赖 接下来,安装构建和运行 vga-passthrough 所需的工具和依赖:
sudo apt install -y git bridge-utils cpu-checker build-essential qemu-kvm libvirt-daemon libvirt-clients virt-manager bridge-utils dnsmasq vde2 bridge-utils uml-utilities openvswitch-switch -
检查并启用硬件虚拟化 确保 CPU 支持硬件虚拟化,并且已经在 BIOS/UEFI 中启用。使用以下命令进行验证:
egrep -c '(vmx|svm)' /proc/cpuinfo如果输出为大于 0 的数字,表示硬件虚拟化已启用。
-
加载必要的内核模块 为了使用 VFIO 和 PCI Passthrough,需要加载一些内核模块。输入以下命令:
sudo modprobe vhost_net sudo modprobe vhost_vsock sudo modprobe vfio-pci sudo modprobe vfio-iommu-type1 -
配置 IOMMU 编辑 GRUB 配置文件以启用 IOMMU:
sudo nano /etc/default/grub确保
GRUB_CMDLINE_LINUX行包含以下参数:iommu=on intel_iommu=on然后更新 GRUB:
sudo update-grub -
配置网络 由于虚拟机需要网络访问,配置桥接网络:
sudo virsh net-start default -
安装和配置 QEMU 根据 vga-passthrough 项目的指南,安装和配置 QEMU 以支持 PCI Passthrough。
-
启动虚拟机 使用 virt-manager 或virsh命令行工具创建并启动虚拟机,确保配置了正确的 PCI 设备Passthrough。
以上步骤为 vga-passthrough 的基本安装流程。根据具体需求和硬件配置,可能还需要进行额外的配置和优化。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00