目录
- 远程环境配置
- 本地环境配置（注意看假设！！!这是很多博客里没写的）
- 步骤1
- 步骤2
- 步骤2.1 配置Connection
- 步骤2.2 配置Mappings
- 步骤3 配置本地项目的远程解释器
- 技巧1 pycharm中远程终端连接
- 技巧2 远程目录
- 技巧3 上传代码文件
- 技巧4 数据集和模型权重相关
- 技巧5 运行代码
- 技巧6 使用git管理代码
1、
仅以此篇记录整个pycharm 远程连接服务器，跑通深度学习代码的过程
2、整个过程花费了一天的时间，不过最终的结果可喜可贺
3、
整个过程非常冗长，对于
初次上手的小伙伴可能
不是很友好，不过还是希望你能够坚持着看完。
孰能生巧。
4、本篇的
重点是本地环境的配置，远程环境的配置会一笔带过
远程环境配置
首先是远程服务器端环境的配置（默认大家已经安装完minconda或者conda,且对GPU cuda的版本有所了解）
1、利用conda 开设一个新的虚拟环境
2、激活虚拟环境
3、安装相关的python库
本地环境配置（注意看假设！！!这是很多博客里没写的）
注：假设你已经在本地写完了代码或者从github上拉取了代码放在本地，接下来要把代码放到服务器上运行，并且数据集和相关的权重文件放在服务器上，那么接下来你需要做如下的配置。
步骤1
首先打开当前的项目，删除项目下的.idea文件，注意这个很关键
然后Tools——》Deployment ——》Configuration，打开配置
步骤2
步骤2.1 配置Connection
接下来我们需要配置两个东西，一个是Connection,一个是Mappings。
新建SFTP
创建一个名字，随便取，有辨识度就行
点击右边的三个点
新建SSH连接，填写相关内容
成功时会显示这个
然后点击OK
回到Connetion页面，选择刚刚配置的SSH，取消同步
步骤2.2 配置Mappings
步骤3 配置本地项目的远程解释器
接下来是最后一步，配置本地项目的远程解释器
选择existing,选择之前创建的那个connection ，再点击两次Next
接着到达如下页面：
选择Virtualenv Environment
选择Existing
python解释器选择步骤1中创建的虚拟环境中的python解释器，如果找不到，可以用conda activate 虚拟环境名 激活，然后which python 命令找到解释器
目录映射同步骤2.2的Mappings
自动同步上传取消勾选
点击create
如果能看到解释器中安装的相关包，说明环境配置成功，到这里基本就结束了，下面是一些心得体会和小技巧
技巧1 pycharm中远程终端连接
技巧2 远程目录
技巧3 上传代码文件
注：在前面的配置中，代码同步都是被我关闭的，刚开始上手的话不用开启自动同步功能，等大家熟练之后可以把自动同步上传功能开启，这样方便代码上传
右击代码文件或文件目录，选择Deployment 然后Upload to
技巧4 数据集和模型权重相关
数据集和模型权重全部放在服务器端就可以了，然后代码中的相关路径也改成服务器端的路径，改完注意把代码文件重新上传到服务器端
技巧5 运行代码
在pycharm 中选中本地项目中的文件，注意是本地项目中的文件，然后右击运行，这个时候使用的就是远程的解释器，生成的一些结果也都在远程服务器上。如果你选远程的文件是运行不了的，会发生下面的错误。