pycharm租用gpu

### 如何在 PyCharm 中配置和使用租用的 GPU 进行加速计算

#### 配置 SSH 连接
为了使 PyCharm 能够访问远程 GPU 服务器，需要先建立安全壳层协议（SSH）连接。这一步骤涉及获取并正确填充来自 GPU 租赁服务提供商所提供的 SSH 登录详情。

#### 设置 SFTP/部署配置
通过新建 SFTP 或者 Deployment 的方式来配置文件同步选项，指定本地项目与远程主机之间的映射关系。默认情况下，远程工作目录可能是 `/tmp/pycharm_project_XXX`[^3]，不过可以根据实际需求调整此路径。

#### 指定远程 Python 解释器
对于基于 Conda 环境搭建的服务端而言，应当将解释器指向类似于 `/root/miniconda3/bin/python` 或者 `/opt/conda/bin/python` 的具体位置[^1]。可以通过执行 `whereis python` 命令进一步确认确切的位置。

#### 初始化 Anaconda 环境
为了让 PyCharm 正确识别由 Conda 创建的基础环境，在首次启动终端会话之前可能还需要初始化 Bash Shell，即运行如下两条指令：

echo $0
conda init bash

上述操作有助于确保后续调用 Python 解释器时能够处于正确的虚拟环境中[^2]。

#### 同步代码至远程机器
完成以上准备工作之后，就可以利用 PyCharm 提供的功能把源码传输给云端实例，并开始编写、调试以及训练模型了。当一切准备就绪后，可以直接点击工具栏上的按钮提交更改并将最新版本推送出去。

#### 执行程序
最后，在完成了必要的开发流程以后，可以尝试直接从 IDE 内部发起任务请求，让其借助于强大的图形处理单元来进行高效运算。