pycharm远程连接服务器跑实验详细操作

pycharm远程连接服务器跑实验详细操作

• 打开pycharm
• 租借远程服务器
• SSH连接
• 浏览远程主机
• FileZilla上传数据到数据盘
• 跑实验
• • 修改代码后记得上传代码文件
  • 打开远程终端（建议在终端运行代码！）
• 关于路径
• 监控远程服务器的GPU

跑实验有一天突然电脑卡住了，我吓了一跳，想起之前学长说的不要用自己笔记本电脑跑实验容易把电脑跑坏！！！游戏本虽然能跑，但是很慢不说显卡也挺脆的，跑坏了很麻烦，还是用远程服务器跑吧！！！自己的电脑就留着调试debug用！！！

打开pycharm

由于pycharm太笨重了，所以打开时选择当前要运行的项目即可，不要打开包含多个项目的大文件夹！！！
！！！注意连接远程服务器前，最好把这个项目拷贝一个副本，命名为project_remote，数据集和预处理后的训练集测试集都不要放在里面！数据集用FileZilla上传到数据盘更好更快点！！！

租借远程服务器

从autodl算力平台官网上租借一个服务器，选择基础镜像，选择需要的torch和cuda版本，这个是我租的详细介绍：（1.98一小时还挺贵的）

SSH连接

pycharm打开本地项目project_remote后，先上传代码的话选择无卡模式开机，节约钱！！！然后打开pycharm的SSH连接，输入用户/主机/端口/密码，并创建环境，选择同步到远程主机的文件夹目录

点击创建新环境要等一会

这样就创建好了新的环境！pycharm会更新又需要等一会

浏览远程主机

点击：工具→部署→浏览远程主机

这里可以看到远程主机同步的文件夹，我发现没有数据集，这个文件夹500MB同步也挺慢的！！！

FileZilla上传数据到数据盘

根据autoDL官网的帮助文档，下载并安装FileZilla

点击连接，允许就可以连上远程主机了

这里选择root/autodl-tmp 这个是数据盘，可以新建一个data文件夹存放自己的数据，把数据放在这个数据盘里面更好！！！这样不容易崩系统盘！！！

数据存放路径：/root/autodl-tmp/data

然后从本地选择想要上传的数据集后，右键上传到远程服务器即可

白天上传速度挺慢的，最好晚上上传！！！

跑实验

因为刚刚上传数据是无卡模式开机，所以先要关机再重新开机！！！

关机后重新开机没有空闲GPU的话，可以克隆实例，选择另一台设备：

克隆还是挺快的，主机/端口号会变化

所以还是同样的SSH连接重复操作一遍，这里可以选择现有的环境，但是文件夹也需要同步（可以选择之前已经同步过的文件夹，实例克隆之后已经复制过去了 ）：

这里可以查看新的连接是否成功：

修改代码后记得上传代码文件

打开远程终端（建议在终端运行代码！）

一定要选择正确的端口号和主机！！！

以下都在远程终端运行：

# 一键安装依赖包
pip install -r requirements.txt

# 读取数据盘中的数据集
data = pd.read_csv(
    '/root/autodl-tmp/data/ASSISTments/anonymized_full_release_competition_dataset.csv')

# 运行数据预处理文件
cd /tmp/MyKT_remote0806/preprocess
python prepare_Assist2017.py

关于路径

当前的执行命令是：

cd /tmp/MyKT_remote0806
python run/MyKT/run_Assist2017.py

这相当于从 MyKT_remote0806/ 目录启动脚本，而此时 Python 默认的 sys.path[0] 是 run/MyKT/，不是项目根目录 /tmp/MyKT_remote0806/

方法 1：在run_Assist2017.py脚本中动态添加项目根目录到 sys.path（推荐）

import sys
import os
# 添加项目根目录（如 /tmp/MyKT_remote0806）
sys.path.append(os.path.abspath(os.path.join(os.path.dirname(__file__), '../../')))

方法 2：使用 -m 参数从项目根目录运行（更专业）（远程服务器跑脚本推荐这个）

从项目根目录 /tmp/MyKT_remote0806/ 运行脚本，并使用模块方式：

cd /tmp/MyKT_remote0806
python -m run.MyKT.run_Assist2017

⚠️ 注意事项：

必须确保 models/、run/ 等目录中有 __ init __.py 文件（可以是空文件），否则不会被识别为模块包

这里我使用的方法2！！！

注意 run_Assist2017 脚本中路径都会变成根目录 MyKT_remote0806 ，所有读取文件的路径也需要对应上从根目录开始！！！

现在就开始训练了：

监控远程服务器的GPU

可以打开jupyterlab

在终端输入：

nvidia-smi -l 5

就可以看到GPU的使用情况了，确实比自己的笔记本跑的快！！！