隨着深度神經網絡的複雜和數據的增加，單檯筆記本的性能基本上已經無法滿足大數據環境下的深度神經網絡的訓練過程，如何遠程服務器進行調試代碼是一個必備技能。
解決方法1：
ssh遠程到服務器，例如xshell，MobaXterm等軟件，把遠程桌面映射到本地，然後直接調用服務器的pycharm等軟件進行調試。該方法可以直接操作遠程服務器的所有文件，但是如果我們想把遠程服務器的代碼download到本地，或者bug同步等工作，又要scp進行文件傳輸，有些小麻煩。
解決方法2：
直接利用本地的pycharm調用遠程服務器的Python，實現文件同步、代碼調試同步的功能。
這裏我們主要介紹方法2的實現步驟。
服務器端配置：Anaconda，Tensorflow，Pytorch
可以參考服務器端深度學習環境搭建
本地電腦：pycharm專業版，學生可以用學生證直接申請。社區版的pycharm不可以！
下面是本地電腦的pycharm配置過程：
1. 新建一個空的project
然後選擇project的存放地址
Python翻譯器不用管，後面修改。
2. 配置遠程服務器的文件映射關係
進入deployment界面，配置服務器的地址、賬號、密碼等選項：
port選項是你遠程電腦的ssh端口號，一般選擇22號，由於我這裏做了映射，所以不一樣。Connection選項中的根目錄是/，是爲了在mappings的時候，路徑查看方便，因爲mappings時用的是相對目錄。當然好多教程給的root path是工程的path，各有所好了。
選擇Mappings，
local path是本地電腦的地址，Deployment path是遠程服務器的地址，點擊右側的文件夾圖標選擇也可以。
3. 配置Python解釋器
選擇file->settings->project->project interpreter，選擇ssh interpreter
輸入密碼就可以了
interpreter的path一定要輸入正確，如果不知道具體地址，你可以ssh先登陸到服務器，執行一下命令：
conda env list
進入到你的env
conda activate pytorch_1_3
查看Python的path：
which python
然後將Python 的地址填入就可以了。
下面同步一下代碼就可以了，右鍵工程。
選擇download from....，將遠程服務器的代碼同步到本地
運行測試一下：
程序完美運行！
如果需要調試代碼，直接選debug就行。