Pycharm远程调用GPU服务器（基于Anaconda、pytorch环境配置）

简介

pytorch为我们搭建深度学习模型提供了很大的便利，尤其是在高性能的GPU服务器上运行时，训练所需时间相比本地电脑要减少很多。本文根据自己的摸索以及研究所里同学的帮助，介绍了如何在GPU服务器上搭建Anaconda+pytorch环境以及如何利用pycharm进行远程连接调用。

一、Xshell远程连接GPU服务器配置Anaconda

（1）Xshell远程连接服务器

首先通过Xftp连接远程服务器，根据服务器主机地址、用户名、密码新建连接，如下图：

Xttp连接上服务器之后，再通过”新建终端“打开Xshell，完成Xshelll对服务器的连接，如下图。

（2）在GPU服务器上安装Anaconda并激活环境

通过Anaconda官网 链接下载对应版本的Anaconda。下载完成后，将文件通过Xttp传入服务器中自己的文件夹中，如上图中的Anaconda3-2020.11-Linux-x86_6.sh文件。

在Xshell中通过cd 切换文件夹目录到Anaconda安装包所在的文件夹，然后执行命令:

bash Anaconda3-2020.11-Linux-x86_64.sh

然后根据安装过程的提示，输入回车或者“y”完成安装。完成安装后，需要对环境进行激活。具体方法为：在Xshell中通cd命令行输入如下两行命令：

chmod 777 activate 
source ./activate

完成环境激活后，输入python,出现如下提示，说明环境适配完成。

二、pycharm远程调用GPU（基于Pytorch）

（1）为GPU服务器配置pytorch环境

通过Xshell连接服务器后，根据pytorch官网链接的命令，安装pytorch。

在安装过程中，可能会遇到网络无反应的报错，原因是官网地址下载速度过慢，解决办法为添加国内镜像。这里添加清华的镜像，具体命令如下：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

conda config --set show_channel_urls yes

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

随后再执行安装命令，注意要去掉 -c python,才可以从镜像下载。

conda install pytorch torchvision torchaudio cudatoolkit=9.2

通过镜像安装会发现网络非常顺畅，结束后，我们便完成了pytorch的安装。

（2）通过pycharm连接GPU服务器

在pycharm的setting的Python Interpreter中添加编译器。

再SHH Interpreter中填入服务器地址和用户名。

输入密码后点击下一步。

在Select Python Interpreter中选择编服务器中anaconda安装路径bin文件夹下的python或者python3。在Sync folders选择服务器上用于同步本地文件的地址，完成连接。

最后测试下，是否能顺利调用服务器上的GPU，结果为True,配置成功。

import torch
print(torch.cuda.is_available())