jupyter与Pycharm远程开发

本地代码开发，远程服务器跑程序，想想是不是美滋滋呢~
情景是这样的：你并没有服务器的root权限，你只是Ubuntu服务器上小小的user

update: 2018.09.27

更新Pycharm2018.1.3

登陆服务器

~~openVPN 接入内网~~
Xshell or MobaXterm登陆服务器

方法一：直接用ssh + ip 登陆，如ssh 192.168.0.100
方法二：新建会话，“连接”中配置名称、协议、主机、端口，“用户身份认证”中配置用户名、密码，之后双击会话即可登陆服务器。

jupyter notebook

安装

强烈推荐直接安装Anaconda

登陆系统之后很开心地pip install jupyter，然后开始各种权限不够，怎么办？
那我想办法直接安装在用户目录行了吧，于是乎…

pip怎么安装到用户目录

好像调用地还是系统的pip，权限又不够了。好吧，装一个自己的pip

1 2	wget https://bootstrap.pypa.io/get-pip.py python get-pip.py

好像这次调用了系统的Python，于是乎…
算球，先给本user装一套python，嗯，又是一番折腾，结论就是：强烈推荐直接安装Anaconda

# Linux64位 Python-2.7.13
# 其他版本自行上官网
wget https://repo.continuum.io/archive/Anaconda2-4.3.1-Linux-x86_64.sh
chmod +x Anaconda2-4.3.1-Linux-x86_64.sh  # 添加执行权限
./Anaconda2-4.3.1-Linux-x86_64.sh  # 安装
# 接下来根据提示输入yes即可

因为Anaconda内置了jupyter，任务结束了
输入jupyter notebook即可打开

配置

首先生成notebook配置文件：jupyter notebook --generate-config，一般路径是~/.jupyter/jupyter_notebook_config.py，vim直接打开，配置内容如下：

c.NotebookApp.ip = '*'
c.NotebookApp.notebook_dir = u'/the/path/of/jupyternotebook'  # 配置notebook目录
c.NotebookApp.open_browser = False  # 默认不打开浏览器页面
c.NotebookApp.password = u''  # notebook密码，生成方式在配置文件中有
c.NotebookApp.port = 1717  # 配置端口，避免跟别人冲突嘛

万事俱备，jupyter notebook开启notebook
等等，说好的本地开发呢？
请打开本地浏览器，地址栏输入ip + 端口号，如192.168.0.100：1717，输入密码，log in，大功告成！
不想每次都登上服务器开启jupyter？让它保持后台运行吧！

nohup jupyter notebook &，注意：暂时不用的时候记得shutdown，不然内存、显存会被持续占有。

Pycharm

使用PyCharm进行远程开发和调试
上面的博文中已经有了图文并茂的详细说明，这里只做简单摘要总结，方便自己。

需要Pycharm专业版哟，有个学生邮箱，去JetBrains官网认证一下就行了，一年续一次

部署

Tools -> Deployment -> Configuration
点击+
Type选择SFTP，点击OK
第一个选项卡Connection填写主机、端口、根目录、用户名、密码
第二个选项卡Mappings填写本地项目地址，远程项目地址，第三行可留空
第三个选项卡Excluded Paths添加忽略路径
点击OK搞定，在Tools -> Deployment中即可上传、下载、同步、浏览服务器文件

远程调试

代码最终是在远程服务器上执行的，所以嘛，服务器上必须要有python解释器，没有的话先装一个吧

旧版Pycharm

选择File -> Settings，选择Project -> Project Interpreter，然后在右边，点击那个小齿轮设置，选择Add Remote
选择Deployment configuration，点击create，填入服务器python解释器路径
OK大功告成

Pycharm 2018.1.3

选择File -> Settings，选择Project -> Project Interpreter，然后在右边，点击那个小齿轮设置，选择Add
选择SSH Interpreter -> Existing server configuration，Deployment configuration拉选刚刚创建好的SFTP，Next
设置远程Python解释器以及远程项目路径，Finish

切换

如果你有多个远程服务器，可以进行随时切换，比如在GPU集群上跑深度学习，然后回到CPU集群上跑XGBOOST

File -> Settings，选择Project -> Project Interpreter，切换远程解释器
Tools -> Deployment -> Configuration，选择远程解释器所在SFTP，在Mappings选项卡中点击‘Use this server as default’