使用PyCharm远程的偷懒
使用场景：
在一个小的实验室内放置了一台高性能工作站A——其中服务器的CPU配置+GTX 1080P的显卡。 但是，人经常在一间大办公室内，有自己的工位，使用一台ThinkPad笔记本B，偶尔会运行一些Python程序，或者想切换到Ubuntu下面玩一玩。
于是，就在想：我能否远程在本地ThinkPad笔记本上远程登录到时刻运行Ubuntu等操作系统的工作站上，既满足玩Ubuntu的需求，同时又能够利用其中CPU+GPU运行必要的程序呢？
“你我所遇到的问题，前人几乎都遇到过，所以，请‘站在巨人的肩膀上，看得更远’”
首先想的是，其他人应该也有这种需求吧？比如说如今这么火的云计算之类，个人申请一块AWS或者阿里云服务之类，应该就是相似的场景需求吧。经过简单搜索，确实是一个常见的问题，对看到的一系列博客资料经过实际捣腾过程进行测试与记录。 在此，非常感谢许多工程师们的辛勤总结，不再一一赘述其中的文章链接，只需要一些必要的搜索关键词，相关文章很容易找到。
为了解决这个场景问题，依次进行了如下的安装与配置：
- 开通A工作站的SSH；
- B笔记本安装了
- Git bash，通过Bash terminal能够正常通过命令SSH到工作站A上面来；
- 使用PyCharm Professional IDE能够运行远程运行本地的Python脚本；
开通A工作站的SSH
这个在Ubuntu下面安装并开通SSH服务，比较容易，不再赘述。
但需要注意的是两台电脑——工作站A与笔记本B的连接拓扑，比如两台电脑为与一台路由器下的局域网内，两台电脑位于不同的路由器下等。总之，如果两者之间的通信需要经过一层路由器，则需要对路由器进行端口映射的配置。
而在端口映射之前，尽量能够使得工作站A的IP地址是固定的，不能因为开关机问题变化。比如，当一台电脑位于一台路由器之下，一般默认情况下，路由器或电脑重启极容易导致电脑被分配的IP地址变更（一般都是192.168的IP段）。此时根据路由器的相关设置进行IP保留或固定。 其次，在路由器里面添加端口映射——也就是路由器的SSH-22端口被访问时自动映射到某个IP（也就是被访问服务器）的SSH-22端口。 所以，此时进行SSH连接，可以为 ssh username@111.111.111.111如果不是默认22端口，根据ssh的语法添加特定的端口参数即可。
笔记本的对应安装
-
Git bash 如果这台笔记本是一台Windows，则需要安装对应的Terminal，这里推荐使用 Git bash for Windows，既有了terminal，也是一个git命令端。
所以，当真正通过SSH进入到目标服务器上时，就几乎没有任何操作系统的隔阂，该干的活儿还是在Windows上，进入Terminal就进入了Ubuntu。说实话，在真正开了一个Ubuntu的操作系统时，大部分的交互，或者想进行的交互也都是通过terminal的方式。而这种方式恰好能够无缝过渡。
-
安装PyCharm Professional IDE。 说实话Sublime Text与Vim，如果用熟了习惯了，其确实够强大；但是，基本功能的实现，或者是否需要进行配置，PyCharm则不需要任何代价。相对而言，PyCharm分为Professional，Education和Community等版本，只有Professional功能最完整，其他是该版本的阉割版，但需要收费。
但庆幸地，好在其对Students是免费的。所以，在国内的话，如果你有一个edu.cn邮箱，一切搞定。 ——话说，外国人的许多东西，尤其是软件方面确实对学生足够慷慨的；所以，如果你还在学校，且学校恰好有邮箱服务，一定要申请一个，并作为个人的主要邮箱使用，益处多多。
废话不多说，登录该 地址 马上申请一个吧。
-
进行 远程 的配置， 包括两方面：
- 添加远程服务器的Python Interpreter
- Deployment设置
添加远程Python Interpreter
- PyCharm-File-Settings-Project-Project Interpreter-Add Remote
添加远程服务器地址，进行连接；特别注意的是，所使用的Python interpreter path，一般默认路径都是对的——这是Server 的 Ubuntu系统下的路径。
可能出现的问题是，由于Ubuntu上存在多个Python解释器，需要进行选择。就好像，哪怕在Ubuntu的terminal下，输入python python2 python3 python3.5等会进入不同的Python版本，那就需要确认下需要使用Python版本及其对应的解释器路径。 参考命令 which python, which python3.5 等找到这些快捷指令所指向的Interpreter根目录，别找错了。
OK 后进行连接测试
上述连接过程没有问题，就会出现一个新的Project Interfpreter——也就是远程的Python解释器，下面列举了许多已经安装的Python modules。
进行 deployment的配置
Deployment-Connection Root path的话，就放用户的根目录即可——可以使用Autodetect，这个目录也就是在Ubuntu的terminal里面，登录到一个user后默认的路径，比如/home/user一般如果路径切换到别的地方了，直接在terminal里面cd 快速切换到用户的根目录下。
Deployment-Mappings 从图上也能够看出，实际上 Local Path 与 Deployment Path——远程服务器上的文件夹建立一个对等关系，在进行Upload的时候，即将本地的文件“对等复制”到远程服务器的 Deployment Path 之下， 然后远程服务器的Python Interpreter实际上运行的是远程服务器上的Python文件，然后将输出结果打印在本地PyCharm的Console里面。 这是我的理解。 我为什么会产生这样的理解？ 因为最开始我没有正确配置这个Deployment-Mappings的时候，发现Python解释产生错误，提示在Root Path下面并没有可运行的Python同名脚本；所以，我才明白远程服务器实际上解释的是其本地的Python脚本，所以前提需要一个文件夹进行“对等复制” 再看前两个图中，有一个菜单选项是Upload功能，实际上就在传输本地的文件到远程服务器上。
Errors
- 对PyCharm的基本流程最初认识非常模糊；
- 在服务器端，Python的版本管理非常混乱。
A little Error： 不能够正常使用TensorFlow
已经在工作站A上正常安装了TensorFlow，通过terminal远程到工作站A上，能够正常 import tensorflow以及其他的Python modules；但是，通过PyCharm分明按照上面的步骤，已经将本地文件Upload到工作站的对应目录之下，却无法在本地（笔记本B）在PyCharm环境内正常运行包含import tensorflow的Python脚本。