PyCharm 链接 Podman Desktop 的 podman-machine-default Linux 虚拟环境

#工作记录

PyCharm Community 连接到Podman Desktop 的 podman-machine-default Linux 虚拟环境详细步骤

1. 准备工作

确保我们已在 Windows 系统中正确安装并启动了 Podman Desktop。

我们将通过 Podman Desktop 提供的名为 podman-machine-default 的 Fedora Linux 41 WSL 子系统进行开发。

Podman Desktop 并不是直接连接到镜像环境，而是连接到名为 podman-machine-default 的 WSL 子系统（Fedora Linux 41）。
我们将在该环境下配置深度学习环境和其他开发工具，适合用于 GPU 加速的开发任务。

2. 确保正确启动 Podman Desktop

首先，确保 Podman Desktop 已正确启动，并通过以下命令检查其状态：

# 检查 Podman 子系统状态
podman machine ls

如无特殊问题，确保 Podman Desktop 已处于运行状态，且 podman-machine-default 显示为启动。

3. 配置 WSL 终端访问

通过 PyCharm Community Edition (版本 2024.3.5 或更新版本)，我们可以直接通过终端访问 Podman 提供的 podman-machine-default 子系统。

打开 PyCharm Community 版本的 IDE。
启动 PyCharm 内置的终端，并选择 WSL 终端，PyCharm 会自动检测到安装的 WSL 子系统。（在终端标题栏处的"+"号和旁边隐藏窗体的“▼”号，点开“▼”）
在终端中执行以下命令确认你是否进入了 podman-machine-default 环境：

# 确认当前环境为 podman-machine-default
[user@AI ~]$

确保在终端中可以看到 [user@AI ~]$ 提示符，这表明我们已经进入了 podman-machine-default 子系统。

注意事项：

在 podman-machine-default 环境中，用户以普通用户身份登录（例如 [user@AI ~]$），而非以 root 用户身份。

某些操作如果需要更高的权限，可能需要使用 sudo 来执行，或者通过调整配置来授权必要的权限。

查看系统版本及相关信息：

cat /etc/os-release

4. 配置 Python 环境

在 podman-machine-default 子系统中，我们可以像在 Linux 环境中一样使用 Anaconda 或 Miniconda 来管理 Python 环境。

注意：在 Fedora 系统上，安装 Anaconda 时，可能会遇到权限问题。如果是这种情况，最好按输出提示默认在用户目录下安装 Anaconda，而不是系统级的目录。

安装 Anaconda：

下载并安装 Anaconda 或 Miniconda 以管理 Python 环境。

#在 Fedora 系统上，确保系统已安装 `bash` 和 `wget` 工具。
#如果没有安装，你可以通过以下命令进行安装：
sudo dnf install bash wget# 下载 Anaconda 安装包（可更改版本号）
wget -P /tmp https://repo.anaconda.com/archive/Anaconda3-2024.10-1-Linux-x86_64.sh# 安装 Anaconda
bash /tmp/Anaconda3-2024.10-1-Linux-x86_64.sh

创建虚拟环境：

使用 Anaconda 创建新的 Python 虚拟环境，安装深度学习框架，如 TensorFlow、PyTorch 等。
```
# 创建虚拟环境
conda create -n myenv python=3.10# 激活虚拟环境
conda activate myenv
```
安装深度学习库：

在虚拟环境中安装 CUDA、cuDNN、PyTorch 等深度学习所需的库。
```
# 安装 PyTorch
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch
```

6. 运行项目

完成以上步骤后，我们就可以在 PyCharm 中使用 WSL 终端访问 podman-machine-default 子系统，并且可以运行 Python 项目，享受 Linux 环境下的完整开发体验。

额外提醒

深度学习环境配置：确保在 podman-machine-default 子系统中配置所需的 CUDA、cuDNN 等深度学习加速工具，并在虚拟环境中正确安装相应的库。
Podman 与 Docker 的差异：在使用 Podman 时，容器管理方式与 Docker 略有不同，确保熟悉 Podman 的基本命令和工作原理，以避免潜在的配置问题。
终端与 IDE 集成：虽然 PyCharm Community 版没有直接支持容器内解释器和WSL虚拟环境中的解释器，但通过终端终端标题栏处的"+"号和旁边隐藏窗体的“▼”号，点开“▼” WSL 和 podman-machine-default，我们仍然可以在 PyCharm 终端中轻松进行操作。

下一篇文章将深入探讨《在 podman-machine-default 中安装 CUDA、cuDNN、Anaconda、PyTorch 等并验证安装》，敬请期待。

参考内容：