Pycharm远程连接云服务器教程

简述

受制于一些因素，我们可能需要通过租用GPU云服务器来训练自己的模型。本文主要解决云GPU租用、PyCharm专业版申请( 学生 )、本地连接云服务器训练模型三个问题。

GPU云服务器租用

如图所示，无论是某宝还是国内一线互联网大厂，均采用容器技术提供GPU云服务器的租用服务。可根据需求分别对比腾讯、阿里、滴滴、百度等等提供的租用套餐和报价，选择最适合的即可。

就目前来看，某宝商家提供的GPU租用服务可直接选择镜像，有版本可选的Anaconda3、Pytorch和Tensorflow等深度学习框架套件，租用服务器环境创建成功之后就可以直接进行使用，对环境配置比较生疏的小伙伴比较友好。

而阿里等云服务器的自定义程度更高，可以制作自定义镜像，再次使用他们的服务器就不需要之前冗长的配置过程了。在购买的时候选择与之前相同的配置，镜像选择自定义即可。有兴趣的小伙伴可以自行查阅

最重要的说明：阿里云等云服务器的自定义镜像创建完成后，一定要将实例释放掉。否则，阿里云会一直计费的。会一直计费的。会一直计费的。重要的事说三遍

PyCharm专业版申请流程

之前介绍过PyCharm是一款功能强大的Python编辑器，可以跨平台在Windows、Mac、Ubuntu上运行。Win10安装和Ubuntu安装教程如下。

所以在此就不再赘述PyCharm的安装。如图，由于PyCharm社区版不能提供远程访问功能，所以需要使用专业版在本地访问服务器进行代码调试和模型训练工作。

进入 ，点击学习工具→学生和教师处选择申请免费许可证，填写信息和教育邮箱进行申请即可。

本地PyCharm连接云服务器

有了GPU云服务器和专业版PyCharm之后，再设置好PyCharm的远程连接，就可以愉快的在本地调试代码，然后扔到云服务器训练啦。

以下是本地PyCharm专业版的远程连接配置过程，在此之前需要先获得GPU云服务器ssh访问的 主机地址、端口号、用户名和密码。

如果是购买GPU云服务器，那么出售方应直接提供；而如果是自己的GPU服务器则需要进行相应的配置，不再展开。

首先打开PyCharm，点击创建新的Project。

在弹出的窗口中选择Pure Python，设置好工程路径和Python解释器的路径之后，点击Create来创建新的工程，并包含一个main.py文件。

进入PyCharm的编辑器界面之后，可以将 的代码粘贴过来，待远程服务器连接之后作为验证。

完成之后就可以设置PyCharm与云服务器的连接。点击菜单栏中的 Tools→Deployment→Cinfiguration 即可进入Deployment对话框。

然后在Deployment对话框先点击加号创建一个远程访问服务，选择SFTP协议点击OK进行创建。

命名完毕，点击OK。

然后点击图示红框处即可设置远程连接的主机地址、端口、用户名和密码等信息。

填写设置完毕之后可以点击Test Connection测试以下连接。

连接成功！然后点击SSH Configurations对话框下的OK返回Deloyment对话框。

在Deloyment对话框中选择 Mappings 设置路径映射，设置本地代码同步到云服务器的目标路径，设置完成点击OK退出。

设置好路径之后点击 Tools→Deployment→Options 设置同步代码时自动创建文件夹。

将 Create empty directories 勾选即可。

然后点击菜单中的 File→Settings 开始设置云主机一侧远程Python解释器。

在设置界面中先点击左侧的 Python Interpreter ，然后点击右侧的小齿轮，在弹出的窗口中点击Add。

在弹出的 Add Python Interpreter 中选择 SSH Interpreter ，填写与之前相同的主机地址、端口号、用户名之后点击Next。

输入云服务器的密码，点击Next。

设置远程Python解释器的路径，可以利用ssh登录云服务器之后执行Which python来获取Python路径。

如图所示是利用xshell7访问云服务器获取的python解释器路径

设置好远程Python解释器之后，PyCharm会自动显示出云服务器已经安装的Python包的信息，此时先点击 Apply 进行应用，再点击OK。

然后在菜单中点击 Tools→Deployment ，勾选 Automatic Upload (always) ，确保Python代码可以自动同步到云服务器。

设置完成之后就可以在云服务器调试和运行Python代码，单击Edit Configuretions。

分别设置要运行的Python文件，检查Python解释器是否为云服务器侧的Python解释器，然后点击Apply应用设置，点击OK。

然后在云服务器中运行Python代码。

运行结果如下，Perfect！

至此，就是在本地通过PyCharm调用云服务器的GPU进行模型训练的整个过程。

码字不易，如果这篇文章对你有帮助，请不要吝啬一键三连奥！