用了很久的spyder，一直有一些问题，体验感不是很好：
1.自动提示功能不齐全，有时甚至失效
2.不能直接本地代码同步到服务器（网上介绍的一种方法我尝试失败....）
3.要使用远程服务器的GPU，本地的代码通过xshell上传到服务器之后还要修改一些文件路径（数据），操作太麻烦
网上了解了一下，发现pycharm在与服务器同步的功能上比较强大，决定弃用spyder了。
自己摸索了很久，终于是成功了，决定把混乱的过程理一理吧！
以下是我安装pycharm，并连接远程服务器，本地代码同步到服务器，使用服务器的GPU的步骤。
pycharm安装Professional 版，破解方法网上有很多，这里就不再赘述啦！
由于我之前使用了Anaconda，类库齐全，也很方便，所以就想将Anaconda也配置到pycharm中。
在Base interpreter处选择本地的Anaconda环境中的python安装路径，如下图：Location处是项目的路径。完成之后，就会在上一个界面中看见导入了很多包。
完成第第2步之后又发现，我需要连接的是远程服务器
首先需要确保的是远程服务器上GPU的环境已经激活。我的远程服务器已经安装了Anaconda，tensorflow等环境也配置好了，gpu也可以正常使用。
由于前面走了弯路，所以这里就清楚很多了，因为已经连接上远程服务器了，所以要使用gpu，直接将2步骤里面anaconda的python环境路径选择为服务器上的gpu环境路径即可！
用以下代码测试gpu是否可用：
我要评论
import tensorflow as tf
a = tf.test.is_built_with_cuda()
b = tf.test.is_gpu_available(
cuda_only=False,
min_cuda_compute_capability=None
)
print(a)
print(b)
运行之后，在pycharm会显示GPU的相关信息，并返回两个True。之后也可以ctrl+s将代码同步到服务器啦。
本文地址：https://blog.csdn.net/yinmengtingjoy/article/details/85946861
如对本文有疑问， 点击进行留言回复！！
step2：使用LitePal操作数据库，基于AndroidStudio。练习
shell练习：使用脚本同步系统时间 + hello world
荐 Kubernetes+docker 浅述-针对云平台测试
项目繁多的情况下，如何通过组织机构的调整管理好重点战略项目？
网友评论