Pycharm远程连接GPU服务器跑深度学习准备工作

发布时间：2023-02-19 17:00

来源来自bilibili视频学习笔记

学习视频参考地址：Pycharm连接远程GPU服务器跑深度学习_哔哩哔哩_bilibili

Pycharm连接远程GPU服务器跑深度学习

这里采用AutoDL里的服务器

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第1张图片\"$

打开Pycharm

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第2张图片\"$

settings: Project Interpreter

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第3张图片\"$

add python Interpreter

选择SSH Interpreter

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第4张图片\"$

Host 是登录指令复制下来之记事本

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第5张图片\"$

host是@后面的一串

端口号是 -p 后的数字

usename为root

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第6张图片\"$

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第7张图片\"$

然后点击下一步

密码也是从远程服务器复制下来

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第8张图片\"$

再下一步选择python 解释器

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第9张图片\"$

这里可以选择什么环境

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第10张图片\"$

默认如下

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第11张图片\"$

Sync folders是本地文件放到远程去运行

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第12张图片\"$

本地路径VS远程路径

本地选择自己要跑的项目

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第13张图片\"$

完成如下

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第14张图片\"$

然后就可以尝试运行了

上面显示SSH

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第15张图片\"$

上传数据集

使用工具Filezilla

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第16张图片\"$

下载对应版本后打开filezilla.exe可执行文件

从文件选项中选择站点管理器

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第17张图片\"$

新站点

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第18张图片\"$

协议选择SFTP

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第19张图片\"$

主机、端口号就是远程服务器的主机端口号

用户为root

密码也是远程密码

然后点击连接

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第20张图片\"$

就登录上去啦

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第21张图片\"$

找代码目录

写相对路径

放在同一个文件夹下

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第22张图片\"$

/tmp

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第23张图片\"$

左边本地文件上传到右边远程

上传之后

把无卡模式关掉

关机

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第24张图片\"$

关机之后GPU可能被别人用掉

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第25张图片\"$

此时如果很着急可以迁移实例

大概几分钟，换一台机器但数据还在里面

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第26张图片\"$

再次开机

后面就可以跑了

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第27张图片\"$

在本机跑深度学习模型很费本机硬件，所以一般都选择远程跑

Pycharm连接远程GPU服务器跑深度学习

这里采用AutoDL里的服务器

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第28张图片\"$

打开Pycharm

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第29张图片\"$

settings: Project Interpreter

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第30张图片\"$

add python Interpreter

选择SSH Interpreter

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第31张图片\"$

Host 是登录指令复制下来之记事本

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第32张图片\"$

host是@后面的一串

端口号是 -p 后的数字

usename为root

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第33张图片\"$

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第34张图片\"$

然后点击下一步

密码也是从远程服务器复制下来

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第35张图片\"$

再下一步选择python 解释器

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第36张图片\"$

这里可以选择什么环境

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第37张图片\"$

默认如下

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第38张图片\"$

Sync folders是本地文件放到远程去运行

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第39张图片\"$

本地路径VS远程路径

本地选择自己要跑的项目

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第40张图片\"$

完成如下

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第41张图片\"$

然后就可以尝试运行了

上面显示SSH

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第42张图片\"$

上传数据集

使用工具Filezilla

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第43张图片\"$

下载对应版本后打开filezilla.exe可执行文件

从文件选项中选择站点管理器

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第44张图片\"$

新站点

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第45张图片\"$

协议选择SFTP

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第46张图片\"$

主机、端口号就是远程服务器的主机端口号

用户为root

密码也是远程密码

然后点击连接

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第47张图片\"$

就登录上去啦

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第48张图片\"$

找代码目录

写相对路径

放在同一个文件夹下

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第49张图片\"$

/tmp

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第50张图片\"$

左边本地文件上传到右边远程

上传之后

把无卡模式关掉

关机

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第51张图片\"$

关机之后GPU可能被别人用掉

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第52张图片\"$

此时如果很着急可以迁移实例

大概几分钟，换一台机器但数据还在里面

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第53张图片\"$

再次开机

后面就可以跑了

$\"Pycharm远程连接GPU服务器跑深度学习准备工作_第54张图片\"$

在本机跑深度学习模型很费本机硬件，所以一般都选择远程跑

Pycharm远程连接GPU服务器跑深度学习准备工作

相关推荐