pycharm连接服务器运行项目(代码)[机器学习/深度学习]

已于 2024-07-06 22:04:25 修改
阅读量226 收藏
点赞数 3
文章标签： python pycharm linux 服务器 机器学习 深度学习 ssh
于 2024-07-06 21:48:52 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_36106773/article/details/140236256
版权

pycharm版本：2023.2.1

基本每个步骤都有截图，顺着看下去挺清晰的，服务器ip、用户名根据自己的情况修改，使用的项目案例是大数据挑战赛的baseline。

选择项目上传位置

点击“Creat”创建

点”Apply”应用，然后点”OK”，然后之后就会自动上传文件到服务器，并且在本地会使用上服务器的环境，在本地上运行是相当于在服务器上跑，但是这样直接跑的话不能关掉ide，一般是开个screen跑代码，本地修改同步服务器，方便调试。

成功连好是下面这样

会出现下面这样的终端窗口

JK_F
关注
手把手教你租用服务器以及Pycharm远程连接服务器训练模型
li26324949的博客
05-10 3953
手把手教你快速租服务器以及pycharm远程连接服务器进行模型训练
【pycharm】在本地利用远程服务器显卡跑代码
定期分享我的发现和想法，感谢你的陪伴和支持
12-03 7892
Pycharm2021.1连接远程服务器
在pycharm中使用服务器跑代码
qq_41194223的博客
08-30 4587
在pycharm中使用服务器跑代码
IDE之pycharm：专业版本连接远程服务器代码，并配置远程python环境解释器（亲测OK）。
最新发布
冯安晨
08-11 3031
IDE之pycharm：专业版本连接远程服务器代码，并配置远程python环境解释器（亲测OK）。
pycharm 实现本地写代码,服务器运行的操作
09-16
主要介绍了pycharm 实现本地写代码,服务器运行的操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
pycharm远程连接服务器运行代码加调试(转载)
zhe_csdn的博客
07-09 526
https://blog.csdn.net/yeler082/article/details/83818771
Pycharm连接服务器运行代码（非保姆级版本）
qq_33329316的博客
04-13 322
网上一抄2 2抄3 错误的一大堆导致我搞的贼鸡儿奇怪 自己写一个自己总结的 大逻辑 首先 在运作程序的时候需要 配置环境的一般是2处 而如果加了服务器无疑就是加了一个连接罢了 也就是3处 常规两处 （一般第二处不需要改） 服务器连接 第一次连接 或者选择新环境时候的步骤 按照步骤进去选择环境即可连接服务器 后续继续用环境 （很简单） 这里是很多教程是地狱。。。。 第一步 进来先换环境 1 2 自己设置好映射路径 3 Deplpyment 中选择和 把刚刚的映射路径写上去
在pycharm中如何在服务器中运行代码
weixin_50206695的博客
03-19 2309
您可以使用Python命令行解释器来运行Python代码，也可以使用您最喜欢的Python集成开发环境（IDE）来在服务器上编辑和运行代码。如果没有安装Python解释器，您需要使用适合您的Linux版本的包管理器（如apt-get，yum等）来安装Python解释器。如果您需要使用GUI界面来运行Python代码，您可以使用X11转发（对于Linux和Mac用户）或者Xming（对于Windows用户）。首先，您需要有一个可以访问的远程服务器，并且您需要获得服务器的登录凭证，包括用户名和密码。
保姆级教程！！教你通过【Pycharm远程】连接服务器运行项目代码
罗小罗同学的博客
03-17 2万+
确实，玩深度学习的成本比较高，无论是前期的学习成本，还是你需要具备的硬件成本，都是拦路虎。小罗没有办法帮你解决硬件上的问题，所以只能帮你们理清一下有了服务器以后，如何使用的思路了。完成这一步的软件有很多，并且你们大概率在配置服务器的时候，工程师都帮你们设置好了，不懂的可以去问问课题组负责的师兄师姐。点击确定，然后回到解释器界面，设置成功的话，就可以看到这个虚拟环境下的包。设置完毕后，点击确定即可。
Windows Server云服务器配置深度学习环境WS
01-06
之前在自己的机器上用pip磕磕绊绊配置过一次，今天在云服务器上相当于复习了一下。 总结一下需要注意的点： 1.anaconda与要使用的python的版本要互相对应。 2.pycharm要装上python的解释器，在project interpreter中...
恒源云(GPUSHARE) | PyCharm远程连接免费云GPU服务器教程
weixin_53977063的博客
03-02 6322
之前，贴过一篇VSCode连接云GPU服务器的教程，有盆友问我，有没有PyCharm远程连接的说明，我特此查阅了一些相关教程，有些看得云里雾里的，但好歹经过一番折腾，成功连接上了，训练代码很快跑起来了，也算是有了自己的经验和心得，希望对大家能有帮助吧。 PyCharm呢，是JetBrains开发的一款Python跨平台编辑器，分为商业化的Professional版本和免费的Community版本。 注意哦，只有Professional版本才支持远程开发功能，从菜单中的 Help - About可以查看当
基于深度学习的flask框架编写的web应用程序识别声音异常检测.zip
04-12
`.idea`：这个目录可能是开发环境（如PyCharm）的项目配置文件，对运行项目来说不是必需的，但对开发者来说有助于维护和管理代码。 `inference.py`：这个名字暗示这可能是一个推理模块，用于执行训练好的模型，对新...
【机器学习】PyCharm和Anaconda的优缺点比较【环境配置+使用感受】
JackLins' Blog
02-21 2万+
在刚入门机器学习时，我们经常会纠结使用哪种开发工具，我将我周围的同学分成三类：Pycharm用户，Anaconda用户与Pycharm+Anaconda用户，那么这几种各有什么优缺点呢，我将以我在深度学习这的使用体验为例分别介绍。 环境搭建与管理 深度学习的起步便是环境的搭建与管理，我们首先明确几个概念，下图中的VirtualEnv（虚拟环境），CondaEnv（Conda的环境），以及Sys...
（2022.4）如何使用PyCharm连接GPU服务器运行代码（极其适合初学者）
weixin_42496865的博客
04-19 1万+
使用PyCharm专业版连接服务器，使用远程计算资源，轻松运行自己的代码，光速计算，过程详细友好。
Pycharm远程连接服务器来跑代码
ac不知深的博客
06-25 2万+
点击pycharm左上角的file，找到python interpreter,点击右边的设置（长得像齿轮那个），然后找到SSH interpreter填写服务器的地址和你服务器上的名字 大家在进行第7步时，一定要注意下你的username和host别填反了 确认开始连接如果不知道虚拟环境怎么创建可以参考我这篇文章第11步的Interpreter开始选择你创建虚拟环境下的编辑器第12步的sync folders需要填写你想把项目上传至服务器哪个位置（建议是提前创建好新的文件夹内），完成直接finish配置好
Mac电脑 -- Pycharm远程连接服务器 跑代码
weixin_39892358的博客
10-31 3034
Pycharm远程连接服务器来跑代码
pycharm连接服务器并上传代码运行
Luke8844的博客
11-25 984
服务器：ubuntu16.04，已安装anaconda 自己电脑：pycharm专业版（社区版不具备远程开发功能），Xshell 利用Xshell连接上服务器 查看conda的版本 conda --version 查看当前环境 conda info -e 此时只有一个base环境，这个是默认环境，接下来创建自己的环境 conda create -n 环境名称（自己起） python=3.6（python版本看自己的需求选择） 此时再查看环境 此时我的环境创建好了，在我的用
Pycharm远程连接服务器并运行代码（详细！）
热门推荐
cutefery的博客
02-21 9万+
好久没更新啦！这又是一篇查了很多blog，最终成功捣鼓出结果的一篇教程。这样就可以通过Pycharm同步代码到实验室的服务器中，还可以使用服务器的编程环境~下文在一些步骤处给出了一些解释，具体图片上也进行了步骤标注，希望可以帮助大家快速完成这个小任务~话不多说，开始远程连接服务器的教程。 注意点1：应该是只有Pycharm专业版可以进行远程连接服务器，而且功能更强大！这是我遇到的第一个坑（先是下了社区版）。专业版下载之后，学生可以用学校电子邮箱注册申请免费版，或者查查如何破解Pycharm,此处不再赘述
如何用服务器跑一个机器学习模型
05-18
要在服务器上运行机器学习模型，需要进行以下步骤： 1. 准备数据：将数据集上传到服务器并准备好用于训练和测试的数据。 2. 安装依赖项：安装需要的库和框架，例如 TensorFlow 或 PyTorch。 3. 加载数据：使用 Python 或其他编程语言，编写代码来加载数据并进行必要的预处理。 4. 构建模型：使用框架和库构建模型，例如 Keras 或 TensorFlow。 5. 训练模型：使用训练集对模型进行训练，并使用验证集进行验证，以防止过拟合。 6. 评估模型：使用测试集对模型进行评估，以确定其性能和准确性。 7. 部署模型：将模型部署到服务器上，以便可以使用它进行推理或预测。 在服务器上运行机器学习模型需要考虑到硬件资源、操作系统、网络环境等因素。通常需要使用高性能的服务器，例如 GPU 服务器，以加速训练和推理。同时，还需要优化模型和代码，以提高性能和效率。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值