一般我们进行深度学习大部分是在本地进行调试，到实验室台式机中进行炼丹，这样来我们必须时刻待在实验室。接下来要说的，通过云服务器这种方法就可以随时随地进行深度学习。
最终我们实现的是远程进行深度学习的程序运行，打开一个深度学习项目，将pycharm的解释器换为远程GPU云服务器的解释器，然后在你的便携笔记本上跑就行了…
前提条件：
1、便携式笔记本电脑（本人是Macbookpro13.3）
2、GPU云服务器，可以是网购也可以是自己搭建
3、能上网！能上网！能上网！
便携式笔记本
笔记本电脑配置参照一般超极本即可，电脑中最好也有pytorch的环境，不必需要cuda版的，python环境当然最好搭建好，而且安装好pycharm。
云服务器
我选购的是美团云的服务器，美团云最近在搞活动，GPU服务器价格5折，当然要趁着这个机会尝尝鲜啊…关键是价格还算比较便宜，相比于阿里云实在是便宜多了。。
这是我选购的配置清单：
M60显卡大家可能比较陌生，因为我们都是用1070、1080ti等消费级显卡，这个M60显卡是服务器显卡，服务器显卡么，最大的优点就是可以多用户运行，并发性较好，至于每个人分配的运行资源么，一会测测就知道了。
价格1.39一个小时，怎么说，按一天8个小时的使用量（当然如果你训练的话可能需要好几天，现在不讨论这个），一天下来差不多12块，一个月就是360块，价格对于学生党来说还是比较贵的。
好了安装好系统连上SSH进行测试吧！
系统使用的ubuntu16.04，美团云自动安装了cuda8.0和cudnn6.0，版本有点旧了啊。。。
刚开始连上ubuntu第一件事做的就是sudo apt-get update和sudo apt-get upgrade么，当然，我这边出现了点问题，apt-get安装软件Unable to locate package错误解决办法，总之就是更新apt的source源。
好了，这一部完了开始搭建虚拟环境系统吧，这里我是下载好了anaconda3的ubuntu版 .sh文件 然后通过ftp上传到服务器中进行安装，安装好了记得将anaconda3的环境变量添加到你的profile中。
安装好anaconda后，搭建一个虚拟环境，具体步骤自行百度，然后在此虚拟环境中安装pytorch就好了，conda install pytorch torchvision -c pytorch执行上面官方命令，系统就会自动为你安装pytorch和所需要的一切组件。
好了，到了这里云服务器的环境就差不多搭好了，接下来配置pycharm。
pycharm远程调试
打开tools中的deployment，点击➕进行服务器配置。
名称随便起，类型选为sftp，其他的按照服务器的标准来填就好，root path不用换。
mappings中填写你本地工程的地址和服务器那边的地址，配置好后当你在本地改程序的时候，程序就会同步到服务器上，相当于一个自动的git了~
excluded path不用填
这一步弄好，仅仅是可以通过本地的pycharm来修改服务器端的程序，肯定比通过ssh工具通过vim等编辑器编辑程序好吧。。。当然，这个程序只能在服务器上运行，不能在本地运行。。。所以接下来就要使在本地也可以运行。
打开你当前pytorch工程的解释器，点击添加远程解释器（此时我的解释器还是本地的）。
选择之前的弄好的deployment即可，注意python解释器地址一定要写成anaconda3中envs中创建好虚拟环境的地址（下图中不正确）。
填写好正确地址后，生成的解释器如下：
好了，解释了弄好了，就可以跑个测试程序了，这里跑的是fcn中的一段测试程序，来自github中的pytorch-fcn。
以上是程序运行结果，相比如泰坦x的45s 和 1060 6G 的129s，这个服务器可以调用的运算资源稍稍差于1066，当然这个测试并不标准，两个程序运行的cuda版本不同，将服务器中的cuda版本升级一下可能会更快些。
总结
除了远程调试，其实也是可以远程debug的，不过需要安装很多东西。
总而言之，远程调试深度学习程序是可以的，自己搭个服务器或者网购一个服务器租用，随时随地进行深度学习，哈哈，还是不错的。
参考文章：
http://www.linuxidc.com/Linux/2016-09/135476.htm
