pycharm远程连接服务器，同步代码，使用GPU

用了很久的spyder，一直有一些问题，体验感不是很好：

1.自动提示功能不齐全，有时甚至失效

2.不能直接本地代码同步到服务器（网上介绍的一种方法我尝试失败....）

3.要使用远程服务器的GPU，本地的代码通过xshell上传到服务器之后还要修改一些文件路径（数据），操作太麻烦

网上了解了一下，发现pycharm在与服务器同步的功能上比较强大，决定弃用spyder了。

自己摸索了很久，终于是成功了，决定把混乱的过程理一理吧！

以下是我安装pycharm，并连接远程服务器，本地代码同步到服务器，使用服务器的GPU的步骤。

1.PyCharm安装

pycharm安装Professional 版，破解方法网上有很多，这里就不再赘述啦！

2.在PyCharm中设置Anaconda环境

由于我之前使用了Anaconda，类库齐全，也很方便，所以就想将Anaconda也配置到pycharm中。

• 在pycharm中打开一个项目（或者新创建一个）
• 打开File——>Settings——>Project Interpreter，点击箭头所指的齿轮，选择Add

在Base interpreter处选择本地的Anaconda环境中的python安装路径，如下图：Location处是项目的路径。完成之后，就会在上一个界面中看见导入了很多包。

• 回到主界面就会发现成功啦！

3.连接远程服务器，同步代码

完成第第2步之后又发现，我需要连接的是远程服务器

• 选择Tools——>Deployment——>Configuration,在打开的窗口点击+，选择SFTP
• 在Connection界面填写服务器地址Host，用户名，密码；在Mappings界面中，Local path：是本地的项目存放路径，Deployment path：是服务器的相同项目的路径，二者是相互对应的。
  
• 连接服务器成功之后，选择本地代码同步到服务器的操作：Tools——>Deployment——>Options

4.pycharm中使用服务器的GPU

首先需要确保的是远程服务器上GPU的环境已经激活。我的远程服务器已经安装了Anaconda，tensorflow等环境也配置好了，gpu也可以正常使用。

由于前面走了弯路，所以这里就清楚很多了，因为已经连接上远程服务器了，所以要使用gpu，直接将2步骤里面anaconda的python环境路径选择为服务器上的gpu环境路径即可！

用以下代码测试gpu是否可用：

import tensorflow as tf

a = tf.test.is_built_with_cuda()
b = tf.test.is_gpu_available(
    cuda_only=False,
    min_cuda_compute_capability=None
)
print(a)
print(b)

运行之后，在pycharm会显示GPU的相关信息，并返回两个True。之后也可以ctrl+s将代码同步到服务器啦。

 

 

本文地址：https://blog.csdn.net/yinmengtingjoy/article/details/85946861