大家在实际的学习工作中都可能会遇到这种情况：自己的轻薄笔记本没有显卡，或者显卡性能过低，在运行深度学习项目的时候很浪费时间。如果大家所在的实验室或者单位有用于深度学习的服务器的话，那么就积极地去使用这些资源吧，毕竟服务器的显卡算力要远远高于笔记本的显卡算力的，下面就介绍一下Pycharm如何连接远程服务器。

1、配置Deployment

Deployment英文名称为部署，在pycharm中就是将本地的Python项目文件部署到服务器那个文件夹中。
（1）首先点击file->settings->Build, Execution, Deployment->Deployment打开部署页面，点击加号，选择SFTP，并在弹出的对话框输入部署的名称（这个名称可以随便起）。

（2）接下来是对右边箭头指向的两部分内容（连接和映射）进行配置。

Connection配置主要配置SSH configuration，点击SSH configuration之后，在弹出的面板进行配置，配置内容说明：

Host 为服务器的访问路由，输入你的服务器IP即可。
User name 为你在该服务器上分配的用户名。
Authentication type 未认证方式，我这里选择Password。
Password 你的用户名对应的密码。
其余的保持下图所示即可。

Mappings配置本地和远程服务器对应的文件夹映射关系（因为你要把本地代码在服务器上运行，服务器上肯定需要映射你的本地代码），这里可以首先在服务器创建一个文件夹用于映射本地的文件。

Local path 表示本地的文件夹路径。
Deployment path 表示要映射到服务器上的文件夹路径。

Excluded Paths 为不进行映射的文件（可能在你的项目中，你不想让一些文件映射到服务器上，你可以在这里设置，由于我没有用到，因此这里不做配置）。Connection和Mappings配置完成之后，点击ApplyDeployment配置就OK了。

2、配置使用服务器端的Python环境

（1）点击 file->settings->Project->Python Interpreter，进入Python翻译器选择界面：

（2）点击右侧的设置图标，点击Add，进入Python翻译器添加界面，选择其中的SSH：

（3）选择New server configuration，Host和Username分别是上面提到的服务器Ip地址和你在该服务器上分配的用户名，填写之后点击Next。
（4）输入密码，点击Next。
（5）进入选择Python解释器页面。

这里主要配置两个内容 Interpreter和Sync folders
Interpreter 指的是你要是用的服务器上的Python环境，我这里使用的是服务器上anaconda安装的pytorch1.10环境。
Sync folders指的是本地项目和服务器端项目的映射，我这里选的和Deployment配置步骤的服务器端项目文件夹一致。

配置完成之后点击Finish

3、使用远程服务器运行项目

进入项目Run/Debug的配置页面，在configuration面板中，可以看到Python Interpreter选项，点开之后发现我们刚刚配置的远程Python环境已经在里面了，选中该环境。

再运行项目的时候，查看Run的日志输出，发现项目已经在远程服务器上运行了。

注意，每次在pycharm上更改完代码之后都需要将更改上传到服务器上，否则服务器不会运行你在pycharm上做的更改，上传到服务器上的方法如下图所示：

二、Pycharm运行深度学习项目

运行深度学习项目通常首先需要配置环境，然后下载需要使用到的数据集，并将数据集放置于合适的位置，最后是配置项目运行的各种参数。

1、配置深度学习环境

现在常用的深度学习框架有TensorFlow和Pytorch两个，可以根据自己的情况选择安装任何一个合适版本的深度学习框架，深度学习环境现在通常使用anaconda创建，这里就不详细展开环境如何搭建，如果大家感兴趣，我可以后期出一个环境搭建的教程。

2、下载数据集

如果你要复现一篇定会的论文，你首先要找到该论文使用的数据集，然后查询数据集下载方法，将下载好的数据集放置到合适的位置，并修改模型内的参数，去使用该数据集。数据集下载的方法以及难度因其本身而异，这里也不再展开。

3、配置参数

（1）如果在Windows系统上运行，最简单的方式就是在pycharm运行项目的时候配置参数，在项目Run/Debug的配置页面进行参数配置。

点击Parameters最右侧的图标，进入参数编辑页面，在该页面将项目需要配置的参数进行添加即可：

添加完成之后点击运行，项目就能成功跑起来。

（2）如果在Linux服务器上运行，通常会指定一个配置文件或者一个可执行的.sh文件，通过运行该配置文件的方式就能顺利启动该项目。

上图展示了一个项目的JSON格式的配置文件，在该文件中对项目需要的所有参数进行配置，运行的时候使用该配置文件即可，下面代码是在jupyter上执行的，在启动项目的时候，携带参数config，这个config对应的是参数配置的JSON文件的路径，通过这种方式为项目进行参数配置。

%run main.py --config ./config/conll03.json

当然也可以通过一个.sh文件更方便进行项目参数配置和启动：

下图展示一个项目的.sh配置文件，该配置文件对项目参数进行了配置，而且对项目数据集的使用也进行了处理，非常方便，在Linux服务器里，cd到该.sh文件所在的目录，然后使用./run_mtmner_crf.sh即可运行项目。

三、Pycharm使用总结及使用技巧

1、Pycharm快捷键

我们都知道快捷键能够有效提高开发效率，所以首先讲解一下Pycharm好用的快捷键，后续会持续更新

// 在当前文件搜索（字符串）
ctrl+f
// 在当前项目所有文件搜索
ctrl+shift+f
// 替换字符串
ctrl+r
// 智能提示，对报错信息以及引用信息进行智能提示
alt+enter
// 任意位置换行，无论光标是不是在该行的末尾，使用shift+enter均能实现换行
shift+enter
// 复制当前行到下一行
ctrl+d
//剪切当前行
ctrl+x
//删除当前行
ctrl+y
//查看函数的参数信息
ctrl+p
//包裹代码
ctrl+alt+t
//单行注释和块注释
ctrl+/  ctrl+shift+/
// 逐步选择代码
 ctrl+w
//逐步取消选择代码
 ctrl+shift+w
//代码格式化
 ctrl+alt+l
//代码向后缩进
tab
//代码向前取消缩进
shift+tab
// 运行代码
shift+f10
// 调试代码
 shift+f9

2、Pycharm调试

调试是在程序设计过程中非常重要的方法，很多初学者往往使用print打印输出，忽略了调试的作用，实际上，学会调试才更有利于对程序的掌握

调试的过程
1、打断点
2、以调试的方式运行程序
3、在调试中具体查看程序运行的各个变量的信息
常用的调试操作有step over、step into、step out、Resume program六种。
step over（F8）：如果在单步执行时遇到子函数，则将子函数作为一步，运行完再停止，在没有子函数的情况下和step into一样。
step into（F7）：如果有子函数，跳入子函数再执行。
step into my code （alt+shift+F7）：遇到子函数就进入，并继续单步执行，但不会进入源码中（让debug回到自己的代码中）。
step out（shift+F8）：跳出当前函数体
Resume program（F9）：继续恢复程序，直接运行到下一个端点处。