因为需要使用MAC Pro来跑深度学习的代码，但是奈何运转速度属实太慢 （已经使用了Anaconda 的情况下），每次调参都需要再等一晚上，决定使用服务器来进行了。
使用的前提：
- pychram专业版已经下载好（学生可免费获取）
- 阿里云已经购买了GPU服务器
在购买云盘的时候：
- 在创建实例的时候必须是有云盘的。
- 如果需要连接pychram的话是需要公网IP4的。
- 新手建议使用密码登录实例
流程：
1. 从云服务器ECS进入到实例里面，可以看见所有的信息：
同时，可以安装一个 Miniconda3，以方便后续配置不同环境的使用。
ssh root@ip address
wget https://mirrors.bfsu.edu.cn/anaconda/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh
#安装相对应的Python版本
source .bashrc
conda create -n test python=3.7 #其中test可以是任何的文件名
安装好了以后可以使用pycharm进行解释器的配置。
1. Setting-Tools-SSH Configurations
输入Host，Username和使用密码验证（或者密匙验证）
尝试了下只有公网可以在这里用
2. Setting-Project_name-Python Interpreter-Add Interpreter-On SSH
然后按照要求到最后一步：
文件的路径很重要！！！一定要了解背后的逻辑，不然很容易被搞晕。
Base interpreter： 默认的Base interpreter的位置在: root/miniconda3/bin/python，但是因为之前在Miniconda3新建了虚拟环境，所以在这里我选择： /root/miniconda3/envs/test/bin/python3.7
Sync folder：是GPU盘里文件存放的位置，如果不选择的话后面应该在生成解释器的时候会有一个tem的pychram_xx文件夹
需要注意的是如果将文件上传到temp的临时文件夹中，在重启以后文件会消失。 所以我一般会选择将其保存在其他路径，可以提前或者后面进行单独的文件手动上传云服务器：
System Interpreter: 在这里我保持了和Virtualenv Environment一样的设置（这一点我不是很确定）。 目前是可以顺利运行的。
然后点击建立。
这时候再打开Setting-Deployment里面就可以看到刚刚建立的SSH文件了，建立以后这些文件夹的信息也还是可以修改的。我一般会修改一下这些SSH文件的名字来进行文件项目的区分。
上传文件
接下来如果文件没有上传的话，可以选中某些文件，然后tools-upload就可以了，代码跑完了如果生成了文件，则tools-download