（本文PDF下載地址：https://github.com/jamess010/AIOpen/blob/master/algorithm/frameworks/deepo/pycharm_docker.pdf ）
首先你需要滿足以下兩個必備條件:
使用 PyCharm 專業版，記住一定是專業版（社區版不提供遠程服務）
在服務器上安裝 docker 和 nvidia-docker
- 新建 docker container
這裏我使用 uforym/deepo 的 docker 配置，deepo 的github地址：https://github.com/ufoym/deepo
- 配置 SSH 服務
接着我們在剛剛新建的容器裏配置 SSH 服務，在服務器（宿主機）上（不是服務器的 docker 裏）8022端口轉發新建 docker 容器中的 22 端口。
我使用了docker-compose.yml來配置 CPU 類型的deepo docker，請參看 https://github.com/jamess010/AIOpen/tree/master/algorithm/frameworks/deepo 中的配置文件。如果想使用GPU 配置，請參看第一步中的deepo github。
- 在 PyCharm 裏配置部署環境
點擊 Tools > Deployment > Configuration,
新建一個 SFTP 服務器:
服務器名字自己取（這裏是test）：
出現如下配置界面：
在上面輸入如下圖配置，注意這裏的端口是你剛剛設置的映射到服務器主機 22 端口的 docker 容器中的端口 8022；賬號：root，密碼：test ，這是在Dockerfile裏配置的，請參看 https://github.com/jamess010/AIOpen/blob/master/algorithm/frameworks/deepo/Dockerfile ，Host 設置爲遠程 docker 容器裏的路徑（這裏 localhost）:
配置完點擊 Test onnection, 如果成功就恭喜你，可以進行下一步了。
最後在 Mappings 中配置路徑，這裏的路徑是你本地存放代碼的路徑，與剛剛配置的 Root Path 相互映射（意思是 Mapping 裏本機的路徑映射到遠程的 Root Path），方便以後在本地和遠程 docker 中進行代碼和其他文件同步。
- 在 PyCharm 裏配置遠程解釋器
點擊 Pycharm > Preferences > Project Interpreter ，右邊的設置按鈕add，新建一個項目的遠程解釋器：
點擊SSH Interpreter > Existing server configuration, 在選擇框中選test，再選擇 Move this server to IDE settings
出現下面畫面，然後點擊Next：
通過上面箭頭位置，選擇需要使用的 python，配置 Interpreter；通過下部箭頭位置，選擇同步的文件夾：
配置完成以後在項目解釋器界面就會出現如下圖所示，可以看到此時已經完成遠程解釋器的本地化，然後Apply > OK：
配置完成以後需要等本地和遠程的環境同步一下，到這裏，恭喜你，可以用最舒服的姿勢。。。寫代碼了。
配置完成以後的日常是這樣的：
左邊是本地的文件，修改之後可以隨時右鍵 deployment->upload 到遠程主機，或者直接在本地調試運行；最右邊是遠程主機的文件，假如直接在遠程修改了文件刷新一下同樣可以右鍵下載到本地，但是我不建議這樣做，因爲這樣很容易帶來衝突（畢竟沒有很好的版本控制）。目前最好的實踐是在局域網的服務器上，時延低，同步速度快。
- 在 PyCharm 裏訪問 Docker 環境
點擊 Tools > Start SSH session，選名爲 test 的服務器：
可以在 Docker 環境中執行命令：
- 在 PyCharm 裏使用遠程 Docker 環境中的 Python
點擊底端的 Python Console，可以連接到名爲test服務器中 docker 的 python