Pycharm链接远程服务器GPU跑深度学习模型_使用pycharm连接远程gpu训练神经网络

我们在学习深度学习时，常常会遇到自己笔记本电脑性能不够，显卡性能低，在运行深度学习项目的时候很浪费时间。如果实验室有可用于深度学习的服务器的话，会大大减少代码执行时间，服务器上的GPU算力一般都很高。

本文主要介绍如何使用本地电脑Pycharm 远程连接服务器，进行深度学习，调用GPU。

一、服务器端

服务器：服务器并不是什么高大尚的东西，他也就是一台Linux系统的电脑，一般都装有Ubuntu系统。推荐学习一些简单的Linux命令。

使用服务器前，确保服务器是开着的，如果需要往服务器上下载东西，比如安装Python包等，需要确保服务器已经联网，否则安装环境包时会出错，无法访问地址。

二、本地Pycharm设置

将项目代码链接到服务器

在Pycharm中打开深度学习项目代码，点击上方工具栏Tools→Deployment→Configureation.

点击＋，选择SFTP，输入服务器名称(随意)，点击OK，就创建好了

点击SSH configuration右侧 … 进行服务器参数配置

点击加号，在右侧填写远程服务器的HOST IP地址，User name ，password，填写完毕后点击Test connection，弹出连接成功即可，表明连接到远程服务器了。点击Apply

然后继续在Deployment中进行其他参数配置，点击Mapping→Deployment path，在此选择服务器上的项目代码路径。（注意：推荐提前将本地代码及数据上传到服务器中，记住路径位置），选择完毕后点击Ok。

注：使用远程服务器运行代码时，服务器上一定要有项目代码、数据，只在自己电脑本地有是不行的。服务器只能读取服务器上的文件。我们只是 借用自己电脑Pycharm 以可视化的形式 操作服务器上的文件数据。

配置完成后，记得勾选Automatic upload，这样你在pycharm中修改代码时，远程服务器上的代码文件也会同步被修改。

配置解释器运行环境

上述已经将本地代码和远程服务器建立连接了，接下来配置解释器运行环境。

点击右下角，选择Interpreter settings。

点击Add 添加新环境

选择 SSH Interpreter，找到刚才创建好的SSH链接，并选择。如有提示，点击Move即可。

点击next，在此处进行环境配置。 Interpreter选择服务器上的环境路径。

Sync folders选择服务器上的项目代码路径。

选择完点击OK,Finish

点击Apply即可

点击右侧Remote Host即可看到远程服务器的文件。至此就配置链接原创服务器完成。

至此，代码就能成功在服务器中执行了，并且调用服务器的GPU算力。