云GPU服务器部署及pycharm远程连接

我们在之前使用CoLab来运行项目，但其存在时长限制问题所以并不是很理想，今天博主发现腾讯云服务目前在搞活动，比较实惠，便买了一台来体验一下。

直接搜索gpu服务器租用即可找到

购买服务器

博主买的是NVIDIA T4 GPU,还是较有性价比的

购买成功后创建云服务器，但由于资源紧张，博主的没有创建成功。哎只能等明天了，毕竟太火爆了。呜呜呜，明天接着来。

终于在1月19日这天，我抢到了，呜呜呜，可能临近放假吧
我们选择预装的系统

这里博主预装了pytorch以及cuda，之前买使还没有这个选项，哈哈哈哈
创建实例成功。我们在此登录一下。

简单测试

登录成功。我们使用nvidia-smi查看先GPU资源

我们查看一下系统按照的文件，发现其已经帮我们安装好了Jupyter,，我们直接输入：jupyter notebook --ip=0.0.0.0 --port=8000
然后复制我们的token

然后输入IP地址+8000端口，在输入token即可,我在下面设置了密码，以后也就不需要再去用token了，登录进去后便是这样的。

我们newy一下，然后测试一下我们的pytorch等环境是否正常

import torch # 如果pytorch安装成功即可导入
print(torch.cuda.is_available()) # 查看CUDA是否可用
print(torch.cuda.device_count()) # 查看可用的CUDA数量
print(torch.version.cuda) # 查看CUDA的版本号

Pycharm专业版安装

当然我们可以再本地调用gpu资源，以pycharm为例，我们需要使用专业版。

博主之前使用这个版本的社区版，这次也使用这个版本吧，安装很简单，一路next即可。

PyCharm远程连接GPU

然后就OK了，随后我们使用pycharm来连接服务器。

起个名字

连接成功

这里的本地文件与服务器文件映射默认即可，点击ok即可

随后配置运行环境 在【preferences】中选择【project interpreter】【V】【show all】

这里可能会提示移动配置，点击Move即可出现以下界面：

可以看到我们的环境已经出现了

依赖已经出现，说明成功了

我们可以尝试运行一下。不出所料失败了，这很正常，因为这里面好多环境都没有配置好呢，下面博主便借助这个服务器来配置一下所需的环境。
敬请期待！