学校老师提供了gpu服务器给学生使用，这里记录一下用gpu跑代码的过程
ssh连接
在本机安装openssh
注意：我这里是用非对称密钥登录，用密码登陆的可以忽略下面3步
生成密钥对：ssh-keygen
生成的公钥保存在：c:\users\用户名.ssh\id-ras.pub
私钥自己保存，公钥发给老师。老师在服务器上设置好后，返回用户名和服务器IP给学生。
cmd测试ssh连接：ssh 用户名@服务器IP
在Pycharm上配置ssh服务
注意：需要使用pycharm专业版，社区版没有SSH Interpreter
打开File->Setting->SSH，设置gpu服务器的IP地址，用户名，端口号
由于我这里是用密钥登录，所以选择Private key选项；如果是密码登录的话，选择Password即可
在Setting->python interpreter里面选择添加解释器，添加刚刚配置的SSH，然后点击next
然后添加python解释器，并在服务器上创建一个同步目录，意思是本地项目和远程实例中的哪个目录进行关联
回到选择解释器的界面，选择该解释器。
只需要做一次，以后的项目可以直接选择这个解释器，然后设置本地与服务器的目录映射
在Setting->deployment里面可以测试下ssh的连接状况
显示successfully表示ssh连接成功
可以在mapping里设置同步目录（本地项目和远程实例中的哪个目录进行关联）
如果配置均无误PyCharm会有一小会配置过程。
使用gpu服务器运行python程序
配置好后，可以在terminal终端中下拉找到远程服务器的终端
cd跳转到刚刚设置的同步目录中
ls看一下项目文件是否都自动同步过来了
如果在运行时找不到Python文件，可能是没有自动同步代码，可以选择手动同步
提示缺少一些库
在终端里pip install安装
安装完缺失的库后，运行.py代码
gpu与cpu训练速度对比
可以看到用gpu服务器训练一轮大概花费20秒
重新换成自己的电脑的解释器对比一下训练速度，可以看到用电脑cpu训练一轮大概花费40秒
对比显示，用gpu服务器确实能提升训练速度
版权归原作者 阿宙宙宙 所有， 如有侵权，请联系我们删除。