python怎样使用远程gpu_Pycharm通过ssh远程连接GPU服务器训练深度学习代码

我相信大家在进行深度学习的科研时，都会遇到这个问题：(1) 使用的是租借的或者是实验室的云端服务器 (2) 自己在本地写代码，但是需要gpu来验证，而不是瞎眼写代码。 我平时使用python编译器基本是Pycharm，如果是轻量级的项目，我一般使用vscode (只要你用vsc我们就是异父异母的亲兄弟)。而一般写大平台项目我用的都是专业版的Pycharm，注意我以下教程的功能只能professional版本能用，community版本不能使用哦~

我这里想要把远端gpu云服务器和本地Pycharm代码项目给连接起来，这对于我们的代码调试与修改，是相当方便的。下面我就来记录一下我具体的操作过程。

一、deployment远程配置

首先我们需要配置我们的远程配置链接，打开Tools->Deployment->Configuration

然后我们点击+，输入服务器的IP与密码，选择SFTP类型，新建服务器的配置。

最后选择Mappings，将本地路径与远端路径进行选择，远端路径就市部署到Linux上的路径，即本地文件上传的位置，进行保存，远端配置文件就配置完成了。

二、本地项目选择远端python解释器

通过Files->settings路径进入配置界面，然后我们选择项目解释器Project Interpreter，选择ssh解释器已经存在的配置，并创造一个新copy，注意一下这里的逻辑关系，刚开始我并没有理解Create与Move的关系。

这里如果点击Move则是表示把这个服务器上的默认解释器直接转移到当前项目中，并且不方便修改解释器路径(一台服务器上一般是多个python环境组成)。而Create选项则是创建了一个复制的环境，这样的好处显而易见，方便管理不用项目代码的连接位置，与编译器，如下图所示。

在这里我选择的是python解释器是anaconda，由于电脑上有多个环境，而且有时候我需要使用特定的虚拟环境，那么如何知晓解释器的路径呢？打开远端服务器的命令行

~$ python # 进入想要作为解释器的python环境

>>> import sys

>>> print(sys.executable) # 这里就是输出了python的解释器路径

三、将项目代码上传到远端服务器

最后我们还得选择上传到远端服务器的位置，这里我放在了我的文件夹中，勾选Automatically upload选项就是在Finish之后将所有项目代码自动上传。

上传速度很快，耐心等待后，整个项目就完全部署到远端服务器上了，这时候你在本地运行，实际上代码是跑在远端服务器上的，如下图所示。

这里可以看到，我们代码已经是跑在远端服务器上了，Pycharm这样的功能是极其方便的。

那么，如果我们需要修改某个文件的代码，还需要把所有项目重新上传吗？

这很显然，没必要，我们只需要把修改过的文件更新到远端即可。比如，我们修改了test_image.py文件，我们只需要右击，单独把它上传到远端，然后运行即可。

OK，关于Pycharm如何通过ssh连接远端GPU服务器训练深度学习的代码教程就讲到这里了 ~

祝大家深度学习愉快 ~ 之后我要开始更新数模教程了