设置 SSH
为了让你的计算机与你的数据处理机器通信，你需要在其上安装 SSH。打开你的固定计算机上的终端然后输入以下代码进行安装：
sudo apt-get install ssh
启用 SSH X11 转发让你可以进行绘图（plot），首先如下打开配置文件：
sudo gedit /etc/ssh/sshd_config
然后找到注释行：
# X11Forwarding yes
移除前面的 # 号，然后保存并关闭该文件。
设置 SSH
通过执行下列代码生成一组 SSH 密钥对，然后继续参考该指南（如果你之前没有经验）：
ssh-keygen -t rsa
现在将该密钥复制到你的远程机器，这样你以后连接它时就不用每次都输入密码了。第一次连接的时候你需要使用你远程机器的密码进行认证：
ssh-copy-id [remote username here]@[remote Ip here]
通过将以下代码附加到你本地机器上的 config 文件来启用压缩和 X11 转发（对数据绘图有用）：
echo 'ForwardX11 yes' >> ~/.ssh/config
echo 'Compression yes' >> ~/.ssh/config
用你的笔记本连接你的运程机器，检查一下结果：
ssh [remote username here]@[remote Ip here]
现在还登录着，你应该禁用你的远程机器上的密码登录（为了安全）。使用你最喜欢的命令行编辑器打开配置文件：
sudo vim /etc/ssh/sshd_config
然后取消以下 # 行的注释：
PasswordAuthentication no
在你登录着你的远程机器时重启你的 SSH 服务器（你必须重新验证一次）：
service ssh restart
在你用 SSH 登录着你的远程机器时，你应该要做的最后一件事是找到你的显示器环境变量。后面我们将会用其来 plotting，我通常得到的是 localhost:10.0.
echo $DISPLAY
> localhost:10.0
记住这个命令的输出，后面会用到。
PyCharm 中的远程解释器
PyCharm 中的远程解释器
这部分很有意思，我们如何设置远程解释器（remote interpreter）从而让你能在远程机器上执行脚本呢？首先启动 PyCharm，然后新建一个 Python 项目。
解释器（Interpreter）
打开 Preferences > Project > Project Interpreter，点击右上角的加点按钮，然后点击 Add remote。
点击 SSH Credentials 按钮然后输入你的信息。选择 Auth Type 上的 Key pair，然后选择 Private Key file。其路径应该是 /Users//.ssh/id_rsa
点击 OK > Apply。注意 Project Interpreter 上的 R 表示远程。
部署
该远程解释器不能执行本地的文件，PyCharm 必须将你的源文件（你的项目）复制到你的远程服务器上的目标文件夹，但这是自动完成的，所以你无需多想！当你在 Preferences 面板时，打开 Build, Execution, Deployment > Deployment > Options，确保勾选了 Create empty directories。这样当你创建文件夹时，PyCharm 就会自动同步：
现在回到 Build, Execution, Deployment > Deployment，然后点击 + 按钮，选择 SFTP 并为你的远程命名。点击 OK：
在 SFTP host 中首次输入你的远程机器的 IP 来设置连接，然后选择 Auth type 上的 Key pair，最后选择 Private Key file，路径应该是 /Users//.ssh/id_rsa，如截图所示。然后你可能需要点击 Test SFTP connection 进行测试。如果你连接成功了，就应该设置 mapping 了。如果你愿意，你可以点击 Rooth path 旁边的 Autodetect，然后它会自动寻找你的远程机器上的主目录。在此之后你所特定的所有路径都将相对于该主路径。然后转到 Mappings 标签。
一旦你在你的本地路径中保存或创建了一个文件，它就将会被复制到远程机器上的 Deployment path，也许你想将其部署到如下所示的 DeployedProjects/ 文件夹。这是相对于你前面指定的 Rooth path，所以在我们的这个例子中，的部署路径是：/home/username/DeployedProjects/TestProject/
现在我们完成了偏好设置，点击 Apply > OK，然后点击 Tools > Deployment > Automatic Upload，确认其被选择了：
要进行初始上传，右击项目浏览器中的项目文件夹，然后点击 Upload to remote：
在你的底部面板应该会出现一个 File transfer 标签，你可以查看进程：
然后点击 Tools > Deployment > Browse Remote Host。将该窗口拖拽到左边 Project 标签下面。这样你就能轻松地在本地和远程项目之间切换了。
一旦你保存并运行了一个文件后，这些部署设置将会无缝工作，它完成得非常快，你可能都无法察觉。
设置控制台
打开 Preferences > Build, Execution, Deployment > Console > Python console 然后选择 Python interpreter。然后点击 Dotted button 并输入所需的之间我们加入到 ~/.bashrc 中的环境变量。注意我们也给 DISPLAY 变量加了一个值，这个值是我们之前使用 SSH 连接服务器时找到的：
然后回到 Preferences > Build, Execution, Deployment > Console > Python console 然后选择 Always show the debug console。这在我们调试的时候非常有用：
创建一个运行配置
在你的项目中创建一个简单的名为 test.py 的测试文件，其中仅包含：
import tensorflow
print "Tensorflow Imported"
现在进入 Run > Edit Configurations…，点击 + 按钮创建一个新的 Python 配置。为其命名后选择该脚本运行：
现在像之前一样进入所需的环境变量。小技巧：你可以直接从我们之前指定的控制台设置中直接复制它们，在左下角使用 Ctrl+A 和复制/粘贴即可。你可以通过点击 Environment variables 一行后面的加点按钮获取它们。
点击 OK > OK 开始测试！
测试该设置
现在我们应该全部完成了，改进行测试了。首先打开终端并确保你至少有一个带有 X 转发的 SSH 信道连接到你的服务器。如果你的连接已经开启了一段时间了，你可能必须退出并重启它们：
ssh [remote username here]@[remote Ip here]
控制台
然后打开 PyCharm 中底部栏的 Python Console 并输入 import tensorflow。然后你可以输入 ls/ 来验证你确实在你的服务器上执行该命令。输出应该是这样的：
运行脚本
现在回到你的 test.py 脚本，然后选择顶部栏的 Run > Run…。选择你新建的运行配置 Test，其应该输出这样的结果：
绘图
让我们做一些绘图，把你的 test.py 文件改成这样：
import tensorflow
import matplotlib
matplotlib.use('GTKAgg')
import matplotlib.pyplot as plt
import numpy as np
print "Tensorflow Imported"
plt.plot(np.arange(100))
plt.show()
接着用你的运行配置 Test 再一次运行它，你会得到这个图：
这个图实际上在你的远程服务器上完成，但是窗口数据被转向到了你的本地机器。注意我们可以用 matplotlib.use('GTXAgg') 改变支持，因为它是一个支持 X11 的显示后台。你可以在这里阅读更多关于 Matplotlib 后台的信息：
http://matplotlib.org/faq/usage_faq.html#what-is-a-backend
你也可以在 matplotlibrc 文件中修改默认行为。记住在一个分离开的终端中你需要至少一个开放的 SSH 连接，使用 DISPLAY 环境变量的正确值以使其工作。如果无效尝试重新启动你的 SSH 连接。
调试脚本
最后做一些调试。点击左侧栏以放一个断点（breakpoint），接着点击 Run > Debug…，并选择 Test 配置。你将会看到执行已停止，然后你就可以远程调试脚本了。
下一步
为了使你的机器联网，你不得不在家庭路由器上转发端口，这根据不同的供应商而变化。我建议在你的路由器上转发一个超过 22 的不同端口。世界上存在很多动机不良的 bot 想要攻击你，它们会检查默认端口，也许会减慢你的连接（尽管你已经关闭了口令认证，所以你相当安全）。也许你可以把你的路由器上的端口 4343 转发到 IP 192.168.0.1 上的端口 22（该教程中我们的远程默认 IP）。另外，为了加快绘图，你也许会需要更快的加密：
http://xmodulo.com/how-to-speed-up-x11-forwarding-in-ssh.html
PyCharm 中的远程解释器
这部分很有意思，我们如何设置远程解释器（remote interpreter）从而让你能在远程机器上执行脚本呢？首先启动 PyCharm，然后新建一个 Python 项目。
解释器（Interpreter）
打开 Preferences > Project > Project Interpreter，点击右上角的加点按钮，然后点击 Add remote。
点击 SSH Credentials 按钮然后输入你的信息。选择 Auth Type 上的 Key pair，然后选择 Private Key file。其路径应该是 /Users//.ssh/id_rsa
点击 OK > Apply。注意 Project Interpreter 上的 R 表示远程。
部署
该远程解释器不能执行本地的文件，PyCharm 必须将你的源文件（你的项目）复制到你的远程服务器上的目标文件夹，但这是自动完成的，所以你无需多想！当你在 Preferences 面板时，打开 Build, Execution, Deployment > Deployment > Options，确保勾选了 Create empty directories。这样当你创建文件夹时，PyCharm 就会自动同步：
现在回到 Build, Execution, Deployment > Deployment，然后点击 + 按钮，选择 SFTP 并为你的远程命名。点击 OK：
在 SFTP host 中首次输入你的远程机器的 IP 来设置连接，然后选择 Auth type 上的 Key pair，最后选择 Private Key file，路径应该是 /Users//.ssh/id_rsa，如截图所示。然后你可能需要点击 Test SFTP connection 进行测试。如果你连接成功了，就应该设置 mapping 了。如果你愿意，你可以点击 Rooth path 旁边的 Autodetect，然后它会自动寻找你的远程机器上的主目录。在此之后你所特定的所有路径都将相对于该主路径。然后转到 Mappings 标签。
一旦你在你的本地路径中保存或创建了一个文件，它就将会被复制到远程机器上的 Deployment path，也许你想将其部署到如下所示的 DeployedProjects/ 文件夹。这是相对于你前面指定的 Rooth path，所以在我们的这个例子中，的部署路径是：/home/username/DeployedProjects/TestProject/
现在我们完成了偏好设置，点击 Apply > OK，然后点击 Tools > Deployment > Automatic Upload，确认其被选择了：
要进行初始上传，右击项目浏览器中的项目文件夹，然后点击 Upload to remote：
在你的底部面板应该会出现一个 File transfer 标签，你可以查看进程：
然后点击 Tools > Deployment > Browse Remote Host。将该窗口拖拽到左边 Project 标签下面。这样你就能轻松地在本地和远程项目之间切换了。
一旦你保存并运行了一个文件后，这些部署设置将会无缝工作，它完成得非常快，你可能都无法察觉。
设置控制台
打开 Preferences > Build, Execution, Deployment > Console > Python console 然后选择 Python interpreter。然后点击 Dotted button 并输入所需的之间我们加入到 ~/.bashrc 中的环境变量。注意我们也给 DISPLAY 变量加了一个值，这个值是我们之前使用 SSH 连接服务器时找到的：
然后回到 Preferences > Build, Execution, Deployment > Console > Python console 然后选择 Always show the debug console。这在我们调试的时候非常有用：
创建一个运行配置
在你的项目中创建一个简单的名为 test.py 的测试文件，其中仅包含：
import tensorflow
print "Tensorflow Imported"
现在进入 Run > Edit Configurations…，点击 + 按钮创建一个新的 Python 配置。为其命名后选择该脚本运行：
现在像之前一样进入所需的环境变量。小技巧：你可以直接从我们之前指定的控制台设置中直接复制它们，在左下角使用 Ctrl+A 和复制/粘贴即可。你可以通过点击 Environment variables 一行后面的加点按钮获取它们。
点击 OK > OK 开始测试！
测试该设置
现在我们应该全部完成了，改进行测试了。首先打开终端并确保你至少有一个带有 X 转发的 SSH 信道连接到你的服务器。如果你的连接已经开启了一段时间了，你可能必须退出并重启它们：
ssh [remote username here]@[remote Ip here]
控制台
然后打开 PyCharm 中底部栏的 Python Console 并输入 import tensorflow。然后你可以输入 ls/ 来验证你确实在你的服务器上执行该命令。输出应该是这样的：
运行脚本
现在回到你的 test.py 脚本，然后选择顶部栏的 Run > Run…。选择你新建的运行配置 Test，其应该输出这样的结果：
绘图
让我们做一些绘图，把你的 test.py 文件改成这样：
import tensorflow
import matplotlib
matplotlib.use('GTKAgg')
import matplotlib.pyplot as plt
import numpy as np
print "Tensorflow Imported"
plt.plot(np.arange(100))
plt.show()
接着用你的运行配置 Test 再一次运行它，你会得到这个图：
这个图实际上在你的远程服务器上完成，但是窗口数据被转向到了你的本地机器。注意我们可以用 matplotlib.use('GTXAgg') 改变支持，因为它是一个支持 X11 的显示后台。你可以在这里阅读更多关于 Matplotlib 后台的信息：
http://matplotlib.org/faq/usage_faq.html#what-is-a-backend
你也可以在 matplotlibrc 文件中修改默认行为。记住在一个分离开的终端中你需要至少一个开放的 SSH 连接，使用 DISPLAY 环境变量的正确值以使其工作。如果无效尝试重新启动你的 SSH 连接。
调试脚本
最后做一些调试。点击左侧栏以放一个断点（breakpoint），接着点击 Run > Debug…，并选择 Test 配置。你将会看到执行已停止，然后你就可以远程调试脚本了。
下一步
为了使你的机器联网，你不得不在家庭路由器上转发端口，这根据不同的供应商而变化。我建议在你的路由器上转发一个超过 22 的不同端口。世界上存在很多动机不良的 bot 想要攻击你，它们会检查默认端口，也许会减慢你的连接（尽管你已经关闭了口令认证，所以你相当安全）。也许你可以把你的路由器上的端口 4343 转发到 IP 192.168.0.1 上的端口 22（该教程中我们的远程默认 IP）。
