一.需求分析
服务器利用docker创建不同的container分给其他人使用，但是利用ssh远程连接container只能在内部使用命令行操作，没有图形界面感觉始终还是差了点，虽然利用容器内部启动的jupyter notebook可以在客户端利用网页打开notebook解决图形界面的问题，但是使用上还是没有本地编辑器那么顺手，尤其是pycharm这样配环境都很友好的编辑器不能用真是遗憾。
为了能够访问远程服务器，利用服务器的硬件资源来跑数据，需要对服务端和用户端进行相应的设置，使本地用户能够在本地pycharm上修改文件实时上传，并使用服务器或者服务器中docker container中的Anaconda Python编译器。
二.专业版Pycharm下载（用户端）
学生可以申请一个学校的邮箱，然后用邮箱可以申请到免费的专业版Pycharm，只有专业版才可以配置远程访问（之前下了个社区版找不到远程设置的入口，难受）
pycharm官网：https://www.jetbrains.com/
进去之后拉到底有一个学生申请的快速入口
进入之后找到Apply Now
填写自己的信息，必须使用教育邮箱！
按照要求验证邮箱之后就注册成功了！
注册成功之后还需要激活权限，邮箱还有第二封邮件
完全激活账号之后，安装专业版Pycharm时在激活阶段用这个账号登陆即可！
三.环境配置（服务端）
服务器打开ssh服务这里不再赘述，实验室的服务器还配置了docker，docker的container内部也开启了ssh服务。服务器不管是container内部还是外部的深度学习环境都建议用Anaconda来管理包，确实比较方便。
利用远程服务器的环境来跑数据的唯一要求或者说本质就是用某一环境中的python作为编译器，这样就能使用到这个环境下的所有包，具体用法在用户端的设置部分详述。
四.Pycharm设置远程（用户端）
接下来就是最关键的设置部分，在用户端或者说本地的专业版Pycharm配置远程访问服务器文件。
打开setting之后找到Deployment，并新建一个SFTP文件
接下来按照SFTP文件中的要求填写相应的信息
最后一步设置本地项目文件夹和服务器上的项目文件夹位置（ssh登陆container之后，当前目录的Workspace的完整路径是/root/Workspace），设置Mappings的两个路径
最后我们需要选择container内部的Anaconda下python来运行文件
点击Add添加一个新的编译器
点Next进入下一步选择编译器路径
最后Finish完成所有配置，至此所有的配置完成，可以在本地的pycharm修改代码然后upload到远程服务器，并且很便捷的使用pycharm直接安装环境。
五.补充一些使用方法
