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