使用PyCharm通过SSH连接远程GPU服务器

准备阶段

Professional 版的 PyCharm

因为只有 Professional 版的才有 ssh interpreter 功能。

下载地址：http://www.jetbrains.com/pycharm/download/#section=windows

我下载下来是 pycharm-professional-2018.1.4.exe
一路默认就好了

激活 PyCharm

按照这个教程走的，因为内网机无法上网，用的第3种激活方法。
简单说就是：

下载 https://pan.baidu.com/s/1qjI9uHaw0x374rwu6H8djA 并将 JetbrainsCrack-2.8-release-enc.jar 放置到 D盘根目录。
在 Pycharm安装目录的\bin目录下找到 pycharm.exe.vmoptions 和 pycharm64.exe.vmoptions ，以文本格式打开并同时在两个文件最后追加一行
```
-javaagent:D:/JetbrainsCrack-2.8-release-enc.jar
```
，然后保存，注意这里的D:/ 是你的JetbrainsCrack-2.8-release-enc.jar的目录，别错了哈。

启动PyCharm, 选择激活码激活，输入内容激活码激活。

 
ThisCrackLicenseId-{
"licenseId":"11011",
"licenseeName":"Wechat",
"assigneeName":"Naked sleep of pig",
"assigneeEmail":"[email protected]",
"licenseRestriction":"",
"checkConcurrentUse":false,
"products":[
{"code":"II","paidUpTo":"2099-12-31"},
{"code":"DM","paidUpTo":"2099-12-31"},
{"code":"AC","paidUpTo":"2099-12-31"},
{"code":"RS0","paidUpTo":"2099-12-31"},
{"code":"WS","paidUpTo":"2099-12-31"},
{"code":"DPN","paidUpTo":"2099-12-31"},
{"code":"RC","paidUpTo":"2099-12-31"},
{"code":"PS","paidUpTo":"2099-12-31"},
{"code":"DC","paidUpTo":"2099-12-31"},
{"code":"RM","paidUpTo":"2099-12-31"},
{"code":"CL","paidUpTo":"2099-12-31"},
{"code":"PC","paidUpTo":"2099-12-31"}
],
"hash":"2911276/0",
"gracePeriodDays":7,
"autoProlongated":false}

确认服务器的tensorflow 调用GPU 跑tf 程序没问题。
准备好 SSH的username and password

配置阶段

配置并选择python远程解释器。
1. 打开PyCharm,瞎创建一个test项目 -> File -> Settings -> Project Interpreter -> 点击齿轮 -> Add..
  -> SSH Interpreter -> 输入 host+port, ssh的username -> ssh的password
2. 填上Interpreter,也就是服务器端配好的python解释器。可能是长这样 /usr/...../python3.6 ; 修改Sync folders, 也就是项目文件夹同步到服务器端的指定文件夹。建议新建一个，默认值会同步到一个奇怪的路径。。
3. 回到PyCharm的Project Interpreter, 选定刚才配置的解释器。

跑一个tensorflow的GPU测试程序，输出两个True就是OK啦~

import tensorflow as tf

a = tf.test.is_built_with_cuda()  # 判断CUDA是否可以用

b = tf.test.is_gpu_available(
    cuda_only=False,
    min_cuda_compute_capability=None
)                                  # 判断GPU是否可以用

print(a)
print(b)

参考文章：
https://blog.csdn.net/qq_28509513/article/details/80638823

给出了配置过程中对应的截图演示，易于对照理解。

喜闻乐见的踩坑阶段

运行最后测试程序时报错：
ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory

在服务器上gpu版tf跑得好好的，但是上述环境中跑普通python程序都没问题，带上tf就报错了。
原因：

PyCharm无法找到服务器端的CUDA的libcupti.so文件。

我们需要手动配置PyCharm的环境变量。
解决方法：

PyCharm的Run -> Edit Configurations.. -> 修改Environment variables -> 增加一项：NAME= LD_LIBRARY_PATH , Value= :/usr/local/lib64:/usr/local/cuda/extras/CUPTI/lib64

然而即使是将这个环境变量设置到Edit Configurations页面的Defaults->python的环境变量里，重启PyCharm之后，这个环境变量还是会消失，我也还在找可以一次设置一直使用的设置方法。。
参考文章：
https://blog.csdn.net/dl_chenbo/article/details/53262230

给出了图示，给出了这个解决方法。但是没提到彻底解决的方法。
https://www.v2ex.com/t/355101

这里说可能是最初配置tensorflow的时候出的问题..

我是一个搬运工，感谢知乎https://zhuanlan.zhihu.com/p/39232512的分享

PyCharm专业版的下载及安装（破解版）亲测有效

使用PyCharm通过SSH连接远程GPU服务器

准备阶段

配置阶段

喜闻乐见的踩坑阶段

猜你喜欢