设置，同步上传代码，因为，远程解释器，是代表在远程执行代码的，127.0.0.1代表的也是远程服务器，需要保存后就立即上传
========== 分界 ===============
============ 分界 =========
一般炼丹都在服务器上，很少有人在本机跑代码的。之前自己捣鼓怎么用本地的编辑器配上远程服务器的环境来营造一个最舒乎的姿势。最开始用VS Code的SFTP插件，但是用着还是不顺手，因为不能用远程的环境，最后还是选择了强大的PyCharm。下面的这个教程最开始只是自己用，后来写了一篇博客分享给实验室的人，没想到大家都开始用上了。这次专门写一篇更详细的放到知乎供有缘人使用。
开始之前你可以对比以下条件来确定自己是否真的需要这样做：
使用PyCharm作为主力IDE写Python而不是其他（我非常推荐大家用）深度学习炼丹师（当然你可以不是，但如果是，你会更舒服）服务器在远程或者局域网（局域网的体验最佳）使用Docker（能够熟练使用最佳） 当你配置完成之后，你将能在本地PyCharm IDE上使用远程服务器的Python解释器和环境进行调试和运行，同时能够很方便的将代码在本地和服务器上进行同步。
OK，废话不多说，正式开始我们的PyCharm+Docker的远程环境配置之旅。
首先你需要满足以下两个必备条件：
使用PyCharm专业版，记住一定是专业版（社区版不提供远程服务）在服务器上安装docker和nvidia-docker - 新建docker container
首先按照如下命令新建一个docker容器（关于docker的使用这里不废话，建议不熟悉的童鞋先去学一下如何使用docker，教程很多）：
sudo nvidia-docker run -it -p [host_port]:[container_port](do not use 8888) –name:[container_name] [image_name] -v [container_path]:[host_path] /bin/bash
举个栗子：
sudo nvidia-docker run -p 5592:5592 -p 5593:5593 -p 8022:22 –name=“liuzhen_tf” -v ~/workspace/liuzhen/remote_workspace:/workspace/liuzhen/remote_workspace -it tensorflow/tensorflow:latest-gpu /bin/bash
接着我们在刚刚新建的容器里配置SSH服务，首先安装openssh-server:
然后建立一个配置文件夹并进行必要的配置：
这里使用你自己想设置的用户名和密码，但是一定要记住！
重启SSH激活配置：
$ service ssh restart
在服务器（宿主机）上（不是服务器的docker里）测试刚刚新建docker容器中哪个端口转发到了服务器的22端口：
$ sudo docker port [your_container_name] 22
如果前面的配置生效了，你会看到如下输出
0.0.0.0:8022
最后测试能否用SSH连接到远程docker：
$ ssh root@[your_host_ip] -p 8022
密码是你前面自己设置的
最常见的问题就是docker容器停了以后里面的SSH服务也会相应停止，因此当你发现自己某一天连不上的时候，记得去docker里重启一下ssh服务： $ service ssh restart
“可以在run的时候加上--restart=always，同时ssh启动的写到dockerfile里去。” - 在容器中执行apt update的时候可能会出现0% working 的问题
感谢 @奥古斯都 提出该问题以及解决方案：
”这里不是源的问题，因为容器环境太过纯净，这里需要安装apt-transport-https这个deb文件，下载的时候也要注意不要下载最新的版本，否则也会出现依赖问题，要下载和当前docker容器内的apt相匹配的版本。“ 发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/173346.html原文链接：https://javaforall.net
