远程开发主要基于将开发环境（包括代码编辑、编译、运行等）从本地机器转移到远程服务器上，这个过程涉及几个关键组件和概念：

立即体验：https://gpumall.com/login?type=register&source=toutiao

1.远程服务器

远程服务器是托管远程开发环境的中心，可以是一个物理服务器，也可以是云中的虚拟机，比如在 GpuMall 平台，远程服务器为平台的 实例，服务器需要配置可以运行代码的环境。#autodl#恒源云#矩池云#算力云#恒源云 实例迁移#autodl 官网#autodi#GpuMall#GPU云#AutoDL#AotuDL 算力云#GpuMall智算云#AI#大数据#算力租赁#大模型#深度学习#人工智能#算力变现

2.网络连接

远程开发重依赖于网络连接，允许开发者的本地电脑与远程服务器进行通信，这包括文件传输、命令执行、结果返回等。

3.开发工具和IDE

开发者在本地电脑上使用的集成开发环境（Pychrm或VS Code或者其它IDE）通常具有连接远程服务器并在远程环境中执行任务的能力。

在 GpuMall 平台使用远程开发的适用场景如下：

本地电脑没有GPU或本地电脑硬件配置无法运行当前项目。本地安装环境较为复杂，不想折腾调试本地环境。本地调试后再上传到GPU服务器麻烦，不如在服务器上调试后直接 run。统一开发环境，防止本地调试完成可以正常 run 后，代码上传到实例中却报一堆错误。

提示

远程开发非常依赖网络稳定性，在 GpuMall 平台使用 IDE 工具进行远程开发，网络连接方式为：本地电脑 IDE -> GpuMall 平台网络转发服务器 -> 实例，以下情况可能会发生本地 IDE 与实例服务器网络断开连接。

1. 本地电脑睡眠、本地电脑 Wifi 连接网络出现断连。
2. 本地网络出现波动，与 GpuMall 网络转发服务器断开连接。
3. GpuMall 网络转发服务器流量过载主动断开连接。
4. 实例所在机房流量过载导致网络延迟、网络波动、从而中断连接。

综上所述：通过开发工具IDE连接实例进行远程开发仅适合调试代码，如有长时间训练需求，如连续 N 个小时或 N 天，请通过 ssh 登录到实例终端，配合 tmux、screen、nohup 等工具将训练进程放到后台运行，以免因网络中断而导致训练进程异常关闭。

PyCharm 连接 GpuMall 实例进行远程开发

使用 PyCharm IDE 工具进行连接 GpuMall 平台实例进行远程开发。

1. 确保您的 Pycharm 为专业版，社区版无远程开发功能。
2. 在 PyCharm 中进行数据集同步非常慢，仅适合代码文件进行同步到服务器端。
3. 本次文档中演示 PyCharm 版本为 2023.3 (Professional Edition)，内部版本号#PY-233.11799.259，已安装汉化插件。
4. 该文档使用macOS版本进行演示，Windows版本与macOS版本可能有少许差距

下载专业版

• Windows
• macOS
• Linux

下载 Windows 版本

1. 新建项目​

在 PyCharm 中新建一个项目，如果您的项目已经在本地电脑存在，则绕过该步骤；我这里为了演示代码同步，所以需要准备一个项目，我从 GitHub 拉取了 Yolov5 的项目来进行演示，并且使用本地解释器打印了一个测试页面。

2. 配置远程连接到实例及Python解释器​

1. macOS 点击 PyCharm -> Settings

2. 项目 -> Python解释器 -> 添加解释器 -> SSH

3. 到 GpuMall 控制台 -> 个人空间 -> 实例管理，找到对应实例的 登录，然后复制 登录指令 与 登录密码

复制后粘贴到任意文件中，内容如下

登录指令：ssh -p 11111 root@xxxxxxxx.gpumall.com登录密码：xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx命令拆解如下：实例SSH主机：xxxxxxxx.gpumall.com实例SSH端口：11111实例登录用户名：root实例登录密码：xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx

然后把以上对应信息复制到下图中对应框中

1. 1号标记填入您实例对应SSH主机
2. 2号标记填入您实例对应的SSH端口
3. 3号标记填入您实例对应的用户名

然后点击4号标记进行下一步

4. 然后把对应的实例登录密码输入进去，然后点击下一步

5. 这一步会检测通过SSH登录目标实例和Python环境，检测完成后点击下一步

6. 配置远程服务器实例上的Python解释器

根据下图标记操作：

1. 1号标记选择 Conda 环境，因为平台的官方镜像中默认已安装 Conda 以及在 base 环境中安装了 框架、CUDA、Python。
2. 2号标记，默认情况下PyCharm会先进行检测 Conda 可执行文件，如果检测不到，可以直接输入该路径 /usr/local/miniconda3/bin/conda。
3. 3号标记，点击加载环境，PyCharm会加载目标实例的 Conda 环境。
4. 4号标记，使用现有环境，如果现有的 base 环境中的框架、python等不符合您的要求，可以点击创建新环境，不过创建新环境里默认没有框架和Python，需要您后续自行安装。
5. 5号标记，选择现有环境。
6. 6号标记，选择要同步到远程服务器实例中的文件目录（具体请看下张图片）。
7. 同时需要选中自动上传项目文件到服务器

配置本地代码同步到远程服务器实例中的路径

1号标记为本地电脑项目路径，需要把该目录中的所有代码文件同步到远程服务器实例中 （本地电脑代码项目所在的目录中，比如我本地的 /opt/yolov5 目录中，一定不能存在数据集，该代码文件建议控制在 50MB 以内，否则本地电脑通过 PyCharm 同步该目录到实例中时间会无限长以及超时问题的发生）2号标记为本地电脑项目路径同步到实例中的路径，选择同步到实例中所存储的位置，我这里把项目文件同步到实例中的 /gm-data/yolov5 文件中。选择完成后，点击确定

7. 然后点击创建 -> 完成

PyCharm会自动同步 /opt/yolov5 目录中的数据到实例的 /gm-data/yolov5 目录下

8. 在本地电脑 PyCharm 中运行代码，可以看到输出使用的是远程服务器实例中的解释器

9. 通过 PyCharm 终端登录实例

1. 点击左下角终端
2. 选择创建的 SSH 服务器

3. 测试运行项目​

展示测试运行 yolov5 过程

查看 GPU 利用率

(base) root@492132307857413:~# nvidia-smi Tue Dec 12 19:48:41 2023       +---------------------------------------------------------------------------------------+| NVIDIA-SMI 545.23.08              Driver Version: 545.23.08    CUDA Version: 12.3     ||-----------------------------------------+----------------------+----------------------+| GPU  Name                 Persistence-M | Bus-Id        Disp.A | Volatile Uncorr. ECC || Fan  Temp   Perf          Pwr:Usage/Cap |         Memory-Usage | GPU-Util  Compute M. ||                                         |                      |               MIG M. ||=========================================+======================+======================||   0  NVIDIA GeForce RTX 3090        On  | 00000000:21:00.0 Off |                  N/A || 50%   50C    P2             162W / 350W |  22807MiB / 24576MiB |     88%      Default ||                                         |                      |                  N/A |+-----------------------------------------+----------------------+----------------------+                                                                                         +---------------------------------------------------------------------------------------+| Processes:                                                                            ||  GPU   GI   CI        PID   Type   Process name                            GPU Memory ||        ID   ID                                                             Usage      ||=======================================================================================|+---------------------------------------------------------------------------------------+

VS Code 连接 GpuMall 实例进行远程开发​

后续更新...