【史上最详细教程】pycharm连接远程服务器&pytorch配置，轻松实现本地使用服务器显卡训练！
目录
1. MobaXterm：
2. 创建虚拟环境：
3. Pycharm编译器配置：
4. 部署远程主机：
5. 本地与远程代码同步
6. 远程主机虚拟环境安装torch等
结束
1. MobaXterm：
首先在MobaXterm上连接服务器，方便后面直接在服务器终端运行代码
直接下载免费版本MobaXterm Xserver with SSH, telnet, RDP, VNC and X11 - Download
下载完成后，界面如下图，进行以下操作：
1.点击Session；
2.点击SSH；
3.Remote host输入远程主机的ip，Specify username输入用户名，port输入端口；
4.点击OK后输密码连接，连接成功后会进入远程主机的终端（图二所示）；
2. 创建虚拟环境：
1. MobaXter连接成功后在终端运行这句代码（确保服务器装了conda，没装的话跳转如何在Linux服务器上安装Anaconda（超详细）_linux安装anconda-CSDN博客，跟着这篇博客的第一节做）
conda create -n env python=3.8 # env为你虚拟环境名，python版本根据自身情况而定
2. 在终端运行下面的代码检查一下，是否存在你刚刚创建的虚拟环境
conda env list
3. Pycharm编译器配置：
这里用的是pycharm专业版（社区版并不支持远程服务器）
1. 点击 文件-->设置-->Python解释器 进入下面这个界面；
2. 点击添加解释器，选择SSH；
3.新建，输入主机ip，端口，用户名（与第一节1. MobaXterm一样）；
4.一直下一步，点击 Conda环境-->使用现有环境，选你刚刚创建的虚拟环境名称;
5. 点击同步文件夹一栏右侧小图标，本地路径选择项目所在路径，远程路径选择你想在远程主机中放置项目的位置，之后点击确定，点击创建；
（这里是在做本地主机和远程主机的映射，其实在远程主机中选一个路径作为你本地路径的代替）
4. 部署远程主机：
其实我们创建编译器的过程就已经部署过了，但是这里我们还是可以检查一下。
1. 点击 工具-->部署-->配置；
2. 建议取消勾选 仅对此项目可见，否则运行时可能会报错：
Cannot find remote credentials for target config com. jetbrains. plugins. remotesdk. target. webDeployment. WebDeploymentTargetEnvironmentConfiguration@531358c
3. 根路径这里根据个人需求（就是你浏览远程主机时能看到的最大的文件夹）；
4. 点击 映射，本地路径和部署路径在编译器设置的时候已经选过了，可以检查一下，合理即可；
5. 检查完毕后点击确定；
5. 本地与远程代码同步
1. 点击 工具-->部署-->选项；
2. 自动将更改文件上传至默认服务器选始终，然后点击确定；
3. 手动上传方法：还可以通过右键文件-->部署-->上传到远程主机手动同步（必须是你在映射里面设置的本地路径里面包含的文件）（还可以CTRL+S快捷上传）；
4. 手动下载方法：点击 工具-->部署-->浏览远程主机，右键需要下载的文件，点击从此处下载；
6. 远程主机虚拟环境安装torch等
1. 在连接好的MobaXterm的终端中输入以下代码进入你创建的虚拟环境；
source activate env #env是你创建的环境名2. 终端运行以下代码查看你cuda的版本
nvcc -V3. 选择你需要的版本安装
这里提供两个我认为比较方便的方法
a. 终端运行以下代码：（根据cuda版本和python版本修改合适的torch，torchvision和torchaudio的版本，根据download.pytorch.org/whl/torch_stable.html来选择，cp代表pythpon的版本）
pip install torch==1.12.0+cu116 torchvision==0.13.0+cu116 torchaudio==0.12.0+cu116 -f https://download.pytorch.org/whl/torch_stable.html
b. 终端运行以下代码：(也是根据自身需求更改代码中的版本，这个用清华镜像下载，更快一点，不用担心超时报错）
conda install https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/pytorch-2.1.0-py3.8_cuda12.1_cudnn8_0.tar.bz2
4. 装好之后，检查以下，先在终端键入python
5. 输入代码
import torch然后输入
print(torch.cuda.is_available())输出为Ture就表示GPU版的torch搞好了
7. 需要其他包也是在第一步进入你创建的虚拟环境之后，运行
pip install XXX #XXX是你需要的包名称8. 可以运行pip list在安装列表中查看是否安装成功你需要的包
结束
至此全部结束，欢迎各位在评论处讨论遇到的问题。我看到后也会回答各位。
