PyCharm SSH远程开发配置与torch.distributed.launch分布式程序调试

PyCharm SSH远程开发配置

SSH远程仅在PyCharm专业版中支持

1、Tool–>Deployment–>Configuration

2、创建服务器配置

输入name–>选择SFTP–>选择SSH Configuration–>输入相关信息

注：第2、3步其实可以跳过，直接跳至第4步，在配置远程解释器会自动创建，然后再来同步源码

Tools–>Deployment–>Configuration，选择服务器上需要映射到本地的源码目录

3、同步远程服务器上的源代码

Tools–>Deployment–>Sync Deployed to …

4、设定SSH远程调用的Python解释器

输入主机IP、端口号和用户名

选择解释器

然后就可以在本地调试服务器上代码了，本地的代码修改和服务器是同步的

PyCharm远程调试torch.distributed.launch分布式程序

1、建立软连接

在服务器项目文件夹下引入distributed（在你的环境下）软链接，

ln -s /home/username/anaconda3/envs/virtualenv_name/lib/python3.6/site-packages/torch/distributed/ yourproject

进入项目的目录，输入ls，出现蓝色的distributed文件夹，说明软链接成功

2、下载distributed

通过Tools/deployment中下载功能，将服务器上项目文件夹下的distributed文件夹下载到本地项目中

3、修改Run/Debug Configurations

参照原.sh文件中或命令行启动语句修改配置，如原启动语句：

python -m torch.distributed.launch --nproc_per_node=2 --master_port 12345 main.py --gpu 0,1 

Script path：这里不再是main.py，而是distributed下的launch.py文件，这里的路径为本地项目下的路径，文件和服务器是同步的

Parameters：设置参数--nproc_per_node=2 --master_port 12345 main.py，这里的main.py最好填写本地项目中main.py的绝对路径，否则大概率会出现找不到这个文件的错误，这里的main.py也是和服务器同步的

Environment variables：按照自己所需的GPU环境设置，CUDA_VISIBLE_DEVICES=0,1

然后就可以和平常一样设置断点调试了