PyCharm远程控制与TensorFlow优化：多线程、镜像源切换与GPU查询技巧-优快云博客

本文链接：https://blog.youkuaiyun.com/guguu1/article/details/123507222

本文详细介绍如何在PyCharm中设置远程控制、调整DataLoader的num_workers参数，指导更换pip镜像源，展示TensorFlow版本查询方法，教授Linux下CUDA操作，以及提供vim编辑器快捷键和GPU状态检查。涵盖了编程工具、深度学习库和基础环境配置的关键知识点。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Tips

快捷键

linux终端：ctrl+Alt+t
linux激活环境：sourse activate wkk

pycharm远程控制设置

文章链接

关于num_workers

 train_loader = torch.utils.data.DataLoader(train_dataset,
                                               batch_size=batch_size, shuffle=True,
                                               num_workers=nw)

num_workers：采用的线程个数，window系统下只能设置为0，linux系统下可设置为一个非零的值

pip更换镜像源

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
参考：文章链接
ps:该方法如需替换为其他源直接更换源链接再次运行即可，因为是直接覆盖

tensorflow版本查看

直接pip list查看
或者调用以下代码

python
import tensorflow as tf
tf.__version__ ## 查看版本，注意是两个_
tf.__path__ ## 查看安装路径

DOS命令切换目录和盘符

cd/
D:

cd命令为切换目录，直接输入盘符则切换盘符

vim修改与保存操作

输入i后进行修改
保存wq!
直接q!

查询GPU是否可用

import torch

print(torch.__version__)  # 查看torch当前版本号

print(torch.version.cuda)  # 编译当前版本的torch使用的cuda版本号

print(torch.cuda.is_available())  # 查看当前cuda是否可用于当前版本的Torch，如果输出True，则表示可用