「图文详解」Pycharm 远程服务器Debug

首先声明一点，社区版的无法使用，需要使用 专业版Pycharm 才可以使用，至于密钥可以去TB购入，价格低廉、有效期长

相信很多小伙伴会面临本地电脑显存不够，但是服务器代码又无法直观的调试，只能靠打日志的方法查看结果，对于普通程序员可能勉强够用，但是对于一名深度学习算法工程师而言，这真的一点也无法接受，因为算法工程师对变量的各个属性以及变量的维度变化十分看中，这个是靠打日志无法实现的，所以必须上远程Debug方法，目前采用此方法使用了大半年了，基本跟本地Debug 一样，在此整理分享给大家，此外也为了方便日后，自己查阅

1、Tools -> Deployment 连接服务器

2、配置SFTP

通过上图点击 Configuration 进入 Deployment界面之后，首先点击左上角的 + 好，选择 SFTP添加，然后给服务起个 name，然后配置 SSH Configuration

对于第一次配置 SSH的小伙伴，在上图的2步骤点击右侧的 三个点，进入下图
以此填写 Host、Port、Username、Password
最后可以点击 Test Connection 进行链接测试，如果链接通了就说明成功了，点击OK即可

配置好图二之后，从Connection 切换到 Mappings子页，点击选中左侧的 SFTP链接，然后以此填写 Local Path本地代码路径 和 Deployment Path服务器部署代码路径，填写好之后，点击 OK即可

3、配置 Python Interpreter编译器

配置完 SFTP 文件映射之后，需要将服务器的编译器映射到Pycharm
点击 File-> Settings 进入下图
然后采用 SSH 添加Interpreter编译器

在弹出的窗口中依次填写服务器的 Host、Port、Username（此处的需要跟SFTP链接的同一台服务器）

输入密码

SSH 连接

连接成功之后，开始配置 Python Interpreter编译器，见下图所示，这里我选择的是加载conda编译器，首先需要找到conda的安装路径，将 Conda Executable设置成 conda 安装路径下的 condabin/conda文件地址，然后点击右侧的 Load Environments加载conda环境；可以在下方的 Use existing environment中看到创建的所有conda环境，选择对应的即可

最后将 Sync Folders 同步下项目的文件路径，点击右侧的文件夹按钮，会出现下方的同步设置
此处需要注意，本地的路径如果不存在的话，Pycharm并不会自动创建，所以需要提前创建好

4、上传下载操作

首先配置完上述设置之后，就可以对文件进行下载/上传操作了，有两种方法可以操作

1. 选中项目文件夹/文件 直接鼠标右键找到 Deployment 进行上传下载
   

2. 在工具栏中找到 Tools-> Deployment
   

5、自动上传服务器改动

注意： 此处如果是修改本地的文件夹名称，会将整个本地的文件夹上传到服务器，并不具备 git的版本管理工程，慎重修改文件名（可以服务器修改，本地同步）

代码的自动上传一般都是默认打开的，如下图红框

可以点击上方的绿框进行设置为手动上传

6、配置 cli 终端的命令参数

首先找到需要 Debug的脚本，然后鼠标点击右键调出设置，如下图
只需要在 More Run/Debug -> Modify Run Configuration

只需要将需要配置的参数填入下方的框中即可，可以拉大放入更多

7、SSH Terminal 终端映射

同理在 Files -> Settings 进入设置界面，找到 Tools -> SSH Terminal 即可选择使用本地的 Terminal 还是 服务器的 Terminal，为了比较出现乱码，记得将 Default Encoding 设置成 UTF-8

参考链接

1. https://blog.csdn.net/fengbao24/article/details/125515542
2. https://blog.csdn.net/ds1302__/article/details/120597769