Pycharm 远程调试与训练

最新推荐文章于 2024-08-22 22:06:25 发布
原创 最新推荐文章于 2024-08-22 22:06:25 发布 · 1.1k 阅读 · 6 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#Pycharm

本文详细介绍了如何在PyCharm中设置远程解释器进行远程调试和训练。步骤包括设置远程解释器、添加解释器、输入密码、同步文件夹，以及注意事项，如设置自动上传和排除不需同步的文件。尽管使用PyCharm的编译运行可能因断网导致训练中断，但此方法适合作为代码编辑工具，建议在实际训练时采用脚本后台运行或screen命令。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

1. 设置远程解释器

在这里插入图片描述

2. 添加远程解释器

在这里插入图片描述

3. 输入密码

在这里插入图片描述

4. 设置同步文件夹

在这里插入图片描述

5. 完成

在这里插入图片描述

6. 上传本地代码至远程服务器

在这里插入图片描述

7. 其他设置

打开 “Tools-> Deployment -> Configurnation”

  • 添加不需要同步的文件夹，比如数据集或者模型文件
    在这里插入图片描述

  • 设置默认服务器

    注意1， 图片里是取消操作，点击Cancel

    注意2，取消 Visible only for this project的选项，不然会出错 在这里插入图片描述

  • 设置自动上传，根据个人习惯，下图设置为 ctrl+s 之后，自动上传。
    在这里插入图片描述

8. 使用逻辑
  1. 本地创建文件 ----> 上传到远端执行
  2. 修改存在文件 ----> 上传同步修改
9. 存在问题

如果使用Pycharm 的编译运行按钮，在长时间的模型训练中可能会因为断网而造成训练终端，所以本方法作为代码编写修改的工具，训练时可以使用脚本后台运行或者 screen 命令后台运行。

在服务器上训练faster-rcnn模型（pycharm和Termius）
Sep21m_wyy的博客
03-22 1322
使用服务器在pycharm和Termius训练模型，以faster-rcnn为例
Windows-Windows Pycharm远程调试
TTXS_RS的博客
11-25 1304
Win2Win的Pycharm远程调试是可行的！！
Pycharm远程调试
weixin_43955917的博客
03-10 625
专业版pycharm集成了远程调试功能，能够利用服务器的环境和硬件资源实现调试的本地化。 应用场景： 远程服务器（安装代码运行环境，具有代码运行所需的硬件资源） 本地pc（安装专业版pycharm） 使用方法： 安装pycharm。 使用pycharm专业版（https://www.jetbrains.com/pycharm/download/），学生用户可免费注册并申请授权。 准备本地代...
torchrun如何在Pycharm远程调试
Chrisluo123的博客
08-22 1816
这个项目的时候提到了torchrun，但是因为本人日常习惯在Pycharm debug，并且是远程连接服务器，搜遍了全网没有找到如何在torchrun这种分布式训练下debug··· 又因为我尝试了网上大部分torch.distributed.launch 如何调试的帖子，都没有用。这段的意思是说需要使用torchrun多GPU的方式启动运行inference.py，torchrun和inference.py后面紧接着是分别是这两个需要指定的参数。首先，你需要连接服务器，这个就不赘述了。
最详细Pycharm远程代码调试配置方案【针对GPU集群】
大侠isme
11-13 2170
由于学校的深度学习任务都是上传的学校的GPU集群上运行，因此可视化和调试程序就变的十分麻烦，几经辗转、终于找到了解决方案，即通过ssh隧道的方式，用Pycharm通过跳板机连接内网服务器。现在此总结一下。目前我们学校的集群结构是一个三级结构，如果你们也是，那下面的方法多半是可以用的。
Pycharm debug调试时带参数过程解析
12-20
此外，PyCharm还支持远程调试，这意味着你可以连接到远程服务器并在那里运行和调试代码，这对于使用远程计算资源或者处理大数据的情况非常有用。配置远程调试涉及到更多的步骤，包括设置Python解释器路径、远程...
如何在pycharm中调试deepspeed
技术宅学长的博客
01-10 2779
​deepspeed的程序都需要使用deepspeed来启动训练。直接运行.py文件会报错，这个时候要是pycharm能直接debug deepspeed 就好了。
PyCharm远程调试
07-01 522
软硬件环境 ubuntu 18.04 64bit pycharm 2020.1.2 windows 10 64bit anaconda with python 3.7 前言 首先说说我的环境，2台电脑，一台是笔记本，安装的是windows系统，主要撸代码和写文档，另一个性能更好些，带GPU，跑的是ubuntu server。写python的主力IDE是pycharm，刚好pycharm也有远程debug的功能，实在是很方便，下面来看看搭建的具体步骤 详细步骤 打开pycharm，点击File --&gt
pycharm远程调试
bobi的博客
09-25 246
在git上将代码clone到本地 用pycharm打开本地代码 左上角File-settings看到下图，在project interpret里选择远程的虚拟环境（虚拟环境里会有很多的安装包），在path mappings里选择本地和远程映射 配置远程登陆信息 按照上述路径点开后，更改以下信息 同理mapping也做如下修改 最后，选择文件右键会看到upload to到我们上一...
Pycharm配置远程调试
热门推荐
上帝De助手
11-23 4万+
条件 pycharm需要专业版 方式 使用远程解释器 使用远程调试器 使用远程解释器 默认情况下我们在本地开发Python程序时，使用的是本地的Python解释器，如果你安装了virtualenv或者pyenv的话，还可以选择这些虚拟环境。而使用Pycharm的专业版，则还可以选择使用远程Linux机器上的解释器。下面就来介绍下使用远程解释器的步骤。   远程部署配置 远程部署主要用...
pycharm远程服务器训练
最新发布
03-28
### PyCharm 配置远程服务器进行模型训练 #### 一、准备工作 在开始之前，需要完成以下准备事项： 1. 租用支持 GPU 的云服务器（例如 AutoDL 或其他提供 CUDA 和深度学习框架的平台）。具体操作可参考相关文档[^1]。 2. 安装 PyCharm 专业版。如果符合条件，可以通过官方渠道申请学生免费授权[^3]。 --- #### 二、配置 SSH 连接 为了实现本地与远程服务器之间的通信，需先配置 SSH 连接： 1. 打开 PyCharm 并进入 **File → Settings → Build, Execution, Deployment → Configuration on Demand**。 2. 添加新的 SSH 配置：点击右上角的加号按钮 (**+**) 创建新配置。 - 输入主机名（即服务器 IP 地址）、端口号（默认为 22）、用户名和密码/密钥文件路径。 - 测试连接以确认无误。 此部分的具体流程已在多个教程中提及[^4]。 --- #### 三、创建远程解释器 为了让 PyCharm 使用远程服务器上的 Python 解释器执行代码，需按如下步骤操作： 1. 转至 **Settings → Project: YourProjectName → Python Interpreter**。 2. 点击齿轮图标选择 **Add...**，然后选择 **SSH Interpreter**。 3. 填写已配置好的 SSH 设置，并指定远程环境中的 Python 可执行文件位置（通常位于 `/usr/bin/python` 或虚拟环境中）。 4. 如果目标服务器预装了所需依赖库，则无需额外安装；否则可通过 PyCharm 自动管理工具完成安装。 注意：确保所选的基础镜像已经包含了必要的深度学习框架及其对应版本（如 TensorFlow、PyTorch 等），这一步骤可以在租用服务器时预先设定好[^2]。 --- #### 四、设置项目同步功能 为了使本地修改后的代码能够实时更新到云端运行目录下，应启用自动上传机制： 1. 访问 **Tools → Deployment → Configuration**。 2. 新建一个 SFTP 类型的部署条目，定义源码根目录与目标服务器存储路径间的映射关系。 3. 返回主界面后开启 **Automatic Upload (always)** 功能开关，这样每次保存都会触发一次数据传输动作。 --- #### 五、编写并调试脚本 当一切就绪之后，便可以直接利用 PyCharm 编辑器撰写机器学习或者深度神经网络相关的程序逻辑。对于 YOLOv5 这样的特定算法而言，只需按照其官方指南准备好相应的权重初始化参数以及输入样本集即可启动训练进程。 以下是基于 PyTorch 实现的一个简单示例代码片段用于演示目的： ```python import torch from torchvision import models device = 'cuda' if torch.cuda.is_available() else 'cpu' model = models.resnet18(pretrained=True).to(device) print(f'Model loaded successfully and running on {device}') ``` 上述代码展示了如何加载 ResNet-18 模型并将它迁移到可用设备上去处理任务。 --- ### 注意事项 - 在实际开发过程中可能会遇到权限不足等问题，请提前查阅服务商提供的 FAQ 文档寻求解决方案。 - 对于大型项目的迁移工作量较大情况建议采用压缩打包后再解压的方式减少时间消耗。 - 不要忘记监控资源利用率以免超出套餐限额造成不必要的经济损失。 ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值