远程连接服务器跑实验

参考文章：

实现Linux服务器配置深度学习环境并跑代码完整步骤_linux服务器跑代码需要安装anaconda吗-CSDN博客

一、下载Xshell（已有）

（1）新建会话，链接ip地址，输入用户名与密码：

（2）查看自己服务器，显卡版本情况：CUDA版本是12.2，对应pytorch最新版本12.1就行

二、安装anaconda（已有）

进入anaconda3目录下，并使用命令“source ~/.bashrc”更新环境变量（前面变成base）

三、创建自己的conda虚拟环境

（1）创建pytorch环境

conda create -n lkg python=3.8

（2）查看已存在的conda环境

conda env list

（3）使用虚拟环境

①激活环境

conda activate lkg

②返回base环境

conda deactivate

③删除虚拟环境

conda env remove -n lkg

（4）安装pytorch环境

查看cuda版本是12.2，去Previous PyTorch Versions | PyTorch官网查找对应pytorch=12.1安装

conda install pytorch==2.3.0 torchvision==0.18.0 torchaudio==2.3.0 pytorch-cuda=12.1 -c pytorch -c nvidia

（5）python 测试

先进入python环境，再测试

import torch
torch.cuda.is_available()

四、连接pycharm，远程连接服务器跑实验

参考：Pycharm远程连接服务器并运行代码（详细！）_pycharm将代码同步到远程服务器-CSDN博客

1.设置链接

（1）Tools ---> Deployment ----> Configuration

（2）选择“+”添加配置信息（随便取一个服务器名字）类型选择SFTP，“...”处添加配置信息

（3）输入ip地址，用户名以及密码，测试链接：

（4）设置Mappings

  感觉不太对劲，直接在这个可视化界面也能修改环境名称 和 新建文件夹：

2.实现代码自动上传

3.设置python编译器

选择现存的，刚才链接的服务器：

出现提示后，点击“Move”：

然后Next进入编译器路径配置，Sync folders可以理解是服务器同步文件所在位置（项目上传的位置，绝对路径）

最后点击“Create”，完成链接服务器！

4.代码上传服务器，实现运行

Tips：mapping 的地址要设好，它不上传该项目根目录只上传了所有文件，所以要在服务器创建一个空文件夹上传，不然会乱

5.运行实验，下载运行结果到本地

（1）将服务器目录在Pycharm右边显示：

点击“Upload here”，将运行结果下载到相应位置。

（2）运行实验

在xshell中，先激活自己的conda,再进入到自己的项目下，输入运行命令：

输入运行命令就行，但是有很多包需要重新下载，使用“conda install 缺失的包”进行下载。版本一定要对。我的pandas==1.3.5可以用