文章目錄
- 前言
- 1. 配置SSH連接服務器
- 2. 配置代碼檔案同步路徑
- 3. 同步代碼到服務器上
- 4. 配置遠程Python運行環境
- 結束語
前言
??本篇文章介紹一下 Pycharm 如何配置遠程連接資訊,使其能夠在本地使用服務器上的GPU等硬體資源,并在本地完成代碼的運行與除錯,
??所需軟硬體環境:
| 環境 | 版本 |
|---|---|
| 本地系統 | Windows 10 |
| 服務器 | Ubuntu 20.04 |
| IDE | Pycharm 2021.1.3 |
| 代碼目錄 | F:\Python\PyTorch\amc-master |
1. 配置SSH連接服務器


??Tools
?
?
>
-->
??> Deployment
?
?
>
-->
??> Configuration 對連接服務器資訊進行配置
??可能有的小伙伴工具列沒有
Tools這一個選項,通常是破解后的軟體沒有這一選項,可以雙擊Shift鍵,輸入Tools進行搜索可以找到:
??先點擊+,選擇SFTP,創建一個web server:

??我的web server的名字是Ubuntu-py38,然后按下面的圖示進行配置SSH:


??
Host:服務器IP
??User name:用戶名
??Password:用戶登錄密碼
??然后點擊Test Connection,出現Successful connected!表示與服務器建立了連接,若連接失敗,請檢查服務器是否開啟了SSH;然后點擊Apply應用該配置,
# 查看ssh是否啟動(sshd 說明已啟動)
ps -e |grep ssh
# 若沒有啟動可通過下面這條命令開啟
service ssh start
# 若沒有安裝ssh, 可通過以下命令安裝
sudo apt-get update
sudo apt-get install openssh-server
??然后再點擊Deployment頁面中的Test Connection,也是OK的

2. 配置代碼檔案同步路徑
??接著就配置在Pycharm顯示的服務器的根目錄,這里將Root path配置為/home/liyanpeng/pywork,這里不建議填寫根目錄或其他目錄,否則Pycharm會顯示服務器上的該目錄下的所有檔案夾及其檔案,

??接著點擊一下Mappings選項卡來配置目錄的映射資訊,該目錄將存放本地同步到服務器上的檔案:

??
Local path:表示本地的工程代碼路徑,默認已經自動填充
??Deployment path:表示服務器端的相對路徑,相對于Root path來說的,這里默認不填,但會有一個警告資訊,而且會導致后面代碼無法同步,根據箭頭所指的資訊,這里填上/

3. 同步代碼到服務器上
??接著依次點擊Tools ? ? > --> ??> Deployment ? ? > --> ??> Sync With Local來將本地代碼同步到服務器上:



4. 配置遠程Python運行環境
??默認是本地的Anaconda環境,因為我們的代碼是要在服務器上跑,所以需要使用服務器上的Python環境,下面添加服務器上的Python環境:

??按照圖示選擇剛剛創建的web server,下面有一行字Remote SDK is saved in IDE settings,so it needs the SSH configuration to be saved there too.,意思是說,遠程的SDK保存在了IDE settings中,所以SSH的配置資訊也要保存在那里,點擊Move將配置資訊移動到IDE settings中,然后點擊Next,

??然后就會看到遠程的Python決議器所在的目錄以及專案代碼默認的路徑,第一個可以不改,但最好改成在服務器上安裝好的anaconda的環境,方便管理,我的anaconda環境為/home/liyanpeng/anaconda3/envs/torch/bin/python;下面的代碼同步的檔案路徑換成我們在配制同步代碼檔案時的那個路徑/home/liyanpeng/pywork:



??配置完成之后,會自動對代碼檔案做一個同步:

??可以看到代碼中已經沒有紅色的缺少庫檔案錯誤資訊,且經過Debug,顯示的是服務器端的Python環境:


??OK,配置完畢!
結束語
??不知不覺間,已經畢業一個多月了,也已經一個多月沒有也文章了,Markdown的一些命令都快忘記了,哈哈哈哈哈,突然由學校轉到作業上,還真有點小不適應,前段時間一直在忙著熟悉作業崗位,感覺節奏有點小快,哈哈哈哈,沖沖沖!!!!

轉載請註明出處,本文鏈接:https://www.uj5u.com/houduan/291484.html
標籤:python



