最近在学习机器学习的过程中，常常需要将本地写的代码传到GPU服务器中，然后在服务器上运行。之前的做法一直是先在本地写好代码，然后通过FileZilla这样的文件传输工具来将写好的文件传到服务器，再通过ssh工具远程连接到服务器，执行相应的python脚本。这样的方式十分繁琐，效率很低。今天听到朋友提到了配置远程解释器

使用场景

先说说自己的使用场景，我是在什么情况下，需要将IDE配置成这样的环境来方便我的工作。

首先，我需要在本地机子上写python代码，但是因为是机器学习相关的一些代码，有时候本机跑可能会很慢，或者根本跑不下来。而此时，我还有一台可用的服务器，上面配置了相应的python3环境和相应的机器学习库，比如tensorflow，keras，tflearn等等。因此通常需要将本地写好的代码上传到服务器上，在服务器上运行。由于代码能力渣渣，所以常常需要反复修改代码，而直接在服务器上修改代码不是很方便。因此，我希望可以像下面一样操作：

1. 我在服务器上有一个工作目录，我希望可以直接在我本地机子上修改工作目录下面的代码文件
2. 因为Pycharm可以配置远程python解释器，所以我希望可以直接在本地的机子上运行修改的代码，并且直接在本地机子查看运行的结果，而不用ssh到远程服务器在执行代码。
3. 具体来说就是，我可以直接在本地上编写代码，然后直接点击pycharm的绿色小三角执行代码，并且这个执行是由远程服务器的python解释器执行的，而不是在我本地机子上配置的python环境下执行。

配置过程

本机环境

操作系统：win10

IDE：Pycharm

远程服务器

操作系统：ubuntu14.04

配置了ssh，可以使用ssh进行远程登陆

配置Deployment

首先，在pycharm的菜单栏依次找到:Tools > Deployment > Configuration.

然后可以看到如下的配置页面，具体各配置在图片中说明:

然后打开Deployment的Mapping选项卡：

这样，Deployment的配置就完成了。这个配置完成了之后，其实是相当于配置了一个ftp工具可以连接到服务器上，从而可以查看和修改服务器上的文件。你可以通过Tools > Deplotment > Browse Remote Host来打开相应的RemoteHost面板，这个面板显示的就是服务器上的文件，显示的范围是你在Deployment中的Connection选项卡下配置的Root path路径下的文件及文件夹。

你可以直接在RemoteHost面板里双击某个文件并且直接进行编辑。双击某个文件后你可以看到编辑区域的顶部有一个横条，并且横条的右边有三各按钮，分别是比较，撤销和上传操作。你在这里面编辑文件之后，可以直接点击上传按钮，就会提交到服务器了。但是其实不推荐直接在这里修改代码，后面的使用流程会说到。

以上的配置，就可以直接在PyCharm里看到服务器上的文件，我感觉就像是直接在IDE里集成了一个FTP传输工具。

配置远程python解释器

这里主要讲的是如何配置远程python解释器。

首先，通过File > Settings,打开设置选项卡。

在设置选项卡里，点击"Project:项目名"这个按钮，在展开的小项里再点击Project Interpreter，右边就会变成Interpreter的配置页面。

点击Interpreter配置页面的小此轮按钮，然后再选择add Remote。

弹出如下弹窗并配置相应的信息。

经过以上步骤，你的远程解释器就配置好了。这时，你就可以直接点击小三角按钮，调用远程服务器上的python解释器来运行代码。但是在此，你还需要看看下面的使用流程。如果你直接双击RemoteHost面板里的文件，然后点击小三角运行是会报错的，可能会提示：

No such file or directory

在配置中也参考了很多其他文章，但是有些文章还是没有讲清楚具体的流程，因此我把自己认为可能“正确”的流程记录一下。

在介绍Deployment配置的时候，我们讲到了Mapping选项卡的配置。这个配置将本地的一个路径映射成了服务器上的一个路径，因此，在这个文件夹下的文件和服务器上的文件是同步的，当然，需要你在本地修改的时候upload到服务器或者设置自动upload。

在这里，我的mapping配置如下：

local path Deployment path on server E:\workspace\remotespace xxxx/workspacexhh

首先，我们在pycharm中通过 File > open... 来打开一个新的项目，项目路径就选择上面的local path路径。

在Project窗口中就可以看到打开了这个项目，当前这个项目还是空的，里面什么也没有。

然后，我们打开RemoteHost小窗口，在test.py文件上右键，再选择Download from Here,文件就会下载到本地了。返回到Project小窗口，就可以看到test.py。其他的文件类似，如果有父目录，他会将父目录也一起下载下来，所以文件和路径都会和服务器保持一致。

这样，你就可以在本地编辑test.py文件。

在编辑完成后，你可以在文件上右键或者直接在编辑区域右键，选择upload to... 将文件上传到服务器，这样就可以更新服务器端的代码了，并且保持了和本地代码一致。

此时，点击绿色小三角运行代码，可以看到相应的输出。但是看看控制台的输出，可以发现，python解释器不是本地的，而跑的文件也不是本地。

上面就是整个从服务器下载文件至本地，在本地修改文件，将文件上传至服务器，然后直接在本地运行的整个过程。

在这个过程中，也可以发现，经过这样的配置，我们的代码现在一共有三个版本：一个是本地代码，一个是服务器上的代码，还有一个是RemoteHost面板中的代码(这个地方的代码如果直接编辑了，其实也可以提交到服务器，但是不能直接运行)

所以，如果通过上面的配置进行远程调试的话，我认为大致流程应该是下面这样：

1. 在RemoteHost面板中，选中想要修改的代码，然后右键点击Download from here将内容下载至本地(这个本地是你在配置Deployment时设置的本地文件夹)。
2. 在本地(这个本地是你在配置Deployment时设置的本地文件夹)修改你的代码，修改完成后在编辑区域或者文件名上右键，选择upload to...来提交到服务器。
3. 在提交之后，你可以像普通调用本地解释器一样的直接运行本地的这个文件(但其实运行的是服务器的文件)

在这里，虽然RemoteHost里的文件可以直接编辑，但是并不建议这么做，因为这里编辑之后并不能直接运行。