Pycharm遠程連接GPU服務器?

首先，說明，想(xiang)要pycharm鏈接遠程(cheng)服(fu)務器(qi)，必須是professional版本的(de)pycharm!

然后，說(shuo)明，pycharm也(ye)可(ke)以鏈接服(fu)務(wu)器上的虛擬環境的!

一、配置鏈接(jie)遠(yuan)程(cheng)服務器

1.配(pei)置服務器IP，地址

如下(xia)圖，點擊configuration

點擊“+”，新建sftp

填寫相關內容

2. 配(pei)置mapping：本地與遠程的路徑

點(dian)擊(ji)右邊的mapping，填寫(xie)期望同(tong)步的本地路(lu)徑與遠程服(fu)務器路(lu)徑

然后點擊ok即可。

3 查看同步的文件

以(yi)上(shang)，Deployment的(de)配置(zhi)就完成了(le)。這(zhe)個(ge)(ge)配置(zhi)完成了(le)之后，其實是相(xiang)當于配置(zhi)了(le)一個(ge)(ge)ftp工具可以(yi)連接(jie)到(dao)服務器上(shang)，從(cong)而可以(yi)查看和修改服務器上(shang)的(de)文件(jian)。你可以(yi)通過(guo)Tools > Deplotment > Browse Remote Host來打開相(xiang)應的(de)RemoteHost面(mian)板，這(zhe)個(ge)(ge)面(mian)板顯示的(de)就是服務器上(shang)的(de)文件(jian)，顯示的(de)范圍是你在Deployment中的(de)Connection選(xuan)項卡下配置(zhi)的(de)Root path路徑(jing)下的(de)文件(jian)及文件(jian)夾(jia)。

打開遠程面板:

右(you)邊就會出現菜單欄，可查看遠程文(wen)件：

你可(ke)(ke)以直接在RemoteHost面(mian)板里雙(shuang)擊(ji)某(mou)個(ge)(ge)文件并(bing)且(qie)直接進行編輯。雙(shuang)擊(ji)某(mou)個(ge)(ge)文件后你可(ke)(ke)以看到(dao)(dao)編輯區(qu)域的頂部有一(yi)個(ge)(ge)橫條，并(bing)且(qie)橫條的右邊有三(san)各(ge)按鈕(niu)，分(fen)別是比較，撤銷和上(shang)傳操作。你在這里面(mian)編輯文件之后，可(ke)(ke)以直接點擊(ji)上(shang)傳按鈕(niu)，就會提交到(dao)(dao)服務器了(le)。

二、配置遠程(cheng)python解釋器

點擊project interpreter, 點擊右邊(bian)的按鈕，并選擇“add"

選(xuan)擇SSH interpreter， 并同理(li)填(tian)寫(xie)服務器的ip和賬號名(ming)稱(cheng)

點擊next，填(tian)寫(xie)(xie)(xie)密(mi)碼，填(tian)寫(xie)(xie)(xie)python路徑(jing)(jing),注意服務器上有可能有很多Python，這里要(yao)填(tian)寫(xie)(xie)(xie)你(ni)要(yao)用(yong)的那個(ge)，若是想(xiang)鏈(lian)接虛擬環境(jing)(jing)，則填(tian)寫(xie)(xie)(xie)虛擬環境(jing)(jing)中(zhong)的python路徑(jing)(jing)，可以去服務器上命令行執(zhi)行”which python"查看路徑(jing)(jing)。

三、配置cuda

如果要運行(xing)GPU程序，則(ze)需(xu)要配置環(huan)境變量：CUDA路徑，如下(xia)圖點擊

點擊enviroment variable后面(mian)的(de)小(xiao)圖標

輸入cuda的路徑

cuda的(de)(de)配置信(xin)息(xi)可以到服務器(qi)上找，在終端執行(xing)"cat .bashrc"命令(ling)，將文件中cuda的(de)(de)配置進行(xing)復(fu)制(zhi)即可。

好了，大功告成。

三、調試與測試

現在來測試一下。

在Pycharm中新建一個文(wen)件test.py,寫(xie)入tensorflow代碼：

import tensorflow as tf

import os

os.environ["CUDA_VISIBLE_DEVICES"] = '5'

# Creates a graph.

a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')

b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')

c = tf.matmul(a, b)

# Creates a session with log_device_placement set to True.

sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

# Runs the op.

print(sess.run(c))

右(you)擊，選擇upload to,文件即(ji)同步(bu)到(dao)服務器(qi)中了

然后(hou)點擊運行test.py，從(cong)后(hou)臺打印(yin)的信息(xi)可(ke)見(jian)，已經(jing)成(cheng)功(gong)運行在了(le)服務(wu)器上。

在這個(ge)(ge)過程中，也可(ke)以發現(xian)，經(jing)過這樣的配置，我們(men)的代碼(ma)現(xian)在一(yi)(yi)共有(you)三個(ge)(ge)版本(ben)：一(yi)(yi)個(ge)(ge)是(shi)本(ben)地代碼(ma)，一(yi)(yi)個(ge)(ge)是(shi)服務(wu)(wu)器(qi)上的代碼(ma)，還有(you)一(yi)(yi)個(ge)(ge)是(shi)RemoteHost面板中的代碼(ma)(這個(ge)(ge)地方的代碼(ma)如果直接編(bian)輯了，其實也可(ke)以提交(jiao)到服務(wu)(wu)器(qi)，但是(shi)不能直接運行)

所以(yi)，如果通過上(shang)面的(de)配置進行遠程調試的(de)話，我(wo)認為大致流程應該是(shi)下面這樣(yang)：

在RemoteHost面板中(zhong)，選中(zhong)想要修改的代碼，然后(hou)右鍵點(dian)擊Download from here將內容下載至本地(di)(di)(這個本地(di)(di)是(shi)你在配置(zhi)Deployment時設(she)置(zhi)的本地(di)(di)文件夾(jia))。

在(zai)本(ben)(ben)地(di)(這個本(ben)(ben)地(di)是你在(zai)配置(zhi)Deployment時設(she)置(zhi)的本(ben)(ben)地(di)文件(jian)夾(jia))修改(gai)你的代碼，修改(gai)完成后在(zai)編輯區域或者文件(jian)名上右(you)鍵(jian)，選擇(ze)upload to…來提交到服(fu)務器。

在提交之后，你可以像普通調(diao)用(yong)本(ben)地(di)解釋器(qi)一樣的直接運行本(ben)地(di)的這個(ge)文(wen)件(但(dan)其(qi)實(shi)運行的是服務(wu)器(qi)的文(wen)件)

在這(zhe)里，雖然RemoteHost里的文件可以(yi)直(zhi)接編(bian)輯，但是并(bing)不建議(yi)這(zhe)么做，因為這(zhe)里編(bian)輯之后并(bing)不能直(zhi)接運行(xing)。

韓國gpu服務器配置推薦什么?

韓國GPU服(fu)務器Ⅰ型

CPU E5-2450L*2

內存 32GB

硬(ying)盤 250G 固態硬(ying)盤

顯卡 GT 710 2G顯存

IP 獨立IP

帶寬 10M

機房 韓國機房

韓國GPU服務器Ⅱ型

CPU E5-2630V3*2

內存 32GB

硬(ying)盤 250G 固態硬(ying)盤

顯卡 GT 1030 2G顯存

IP 獨立IP

帶寬 10M

機房 韓國機房

韓國(guo)GPU服務器Ⅲ型

CPU E5-2660V3*2

內存 32GB

硬盤(pan) 250G 固態硬盤(pan)

顯卡 GT 1030 2G顯存

IP 獨立IP

帶寬 10M

機房 韓國機房

縱橫數據專業提供GPU服務器租用，廈門GPU服務器租用、泉州GPU服務器租用、成都GPU服務器租用、江西GPU服務器租用、香港GPU服務器租用、美國GPU服務器租用、韓國GPU服務器租用、新加坡GPU服務器租(zu)用等，有需要的朋友可以咨(zi)詢我們(men)，官(guan)網：//66moju.cn/，QQ：3494196421，微信：19906048603。