0


Pycharm链接远程服务器GPU跑深度学习模型

我们在学习深度学习时,常常会遇到自己笔记本电脑性能不够,显卡性能低,在运行深度学习项目的时候很浪费时间。如果实验室有可用于深度学习的服务器的话,会大大减少代码执行时间,服务器上的GPU算力一般都很高。

本文主要介绍如何使用本地电脑Pycharm 远程连接服务器,进行深度学习,调用GPU。

一、服务器端

服务器:服务器并不是什么高大尚的东西,他也就是一台Linux系统的电脑,一般都装有Ubuntu系统。推荐学习一些简单的Linux命令。

使用服务器前,确保服务器是开着的,如果需要往服务器上下载东西,比如安装Python包等,需要确保服务器已经联网,否则安装环境包时会出错,无法访问地址。

二、本地Pycharm设置

将项目代码链接到服务器

在Pycharm中打开深度学习项目代码,点击上方工具栏Tools→Deployment→Configureation.

在这里插入图片描述

点击+,选择SFTP,输入服务器名称(随意),点击OK,就创建好了

在这里插入图片描述

点击SSH configuration右侧 … 进行服务器参数配置
在这里插入图片描述

点击加号,在右侧填写远程服务器的HOST IP地址,User name ,password,填写完毕后点击Test connection,弹出连接成功即可,表明连接到远程服务器了。点击Apply

在这里插入图片描述

然后继续在Deployment中进行其他参数配置,点击Mapping→Deployment path,在此选择服务器上的项目代码路径。(注意:推荐提前将本地代码及数据上传到服务器中,记住路径位置),选择完毕后点击Ok。

注:使用远程服务器运行代码时,服务器上一定要有项目代码、数据,只在自己电脑本地有是不行的。服务器只能读取服务器上的文件。我们只是 借用自己电脑Pycharm 以可视化的形式 操作服务器上的文件数据。

配置完成后,记得勾选Automatic upload,这样你在pycharm中修改代码时,远程服务器上的代码文件也会同步被修改。

在这里插入图片描述

配置解释器运行环境

上述已经将本地代码和远程服务器建立连接了,接下来配置解释器运行环境。

点击右下角,选择Interpreter settings。

在这里插入图片描述

点击Add 添加新环境

在这里插入图片描述

选择 SSH Interpreter,找到刚才创建好的SSH链接,并选择。如有提示,点击Move即可。

在这里插入图片描述

点击next,在此处进行环境配置。 Interpreter选择服务器上的环境路径。

Sync folders选择服务器上的项目代码路径。

选择完点击OK,Finish

在这里插入图片描述

点击Apply即可

在这里插入图片描述

点击右侧Remote Host即可看到远程服务器的文件。至此就配置链接原创服务器完成。

至此,代码就能成功在服务器中执行了,并且调用服务器的GPU算力。


本文转载自: https://blog.csdn.net/weixin_43752269/article/details/138537464
版权归原作者 Zhangzy@ 所有, 如有侵权,请联系我们删除。

“Pycharm链接远程服务器GPU跑深度学习模型”的评论:

还没有评论