前言
本教程仅适用于专业版PyCharm，社区版不支持远程连接服务器。
安装中文包
PyCharm已有中文语言包，可在PyCharm设置 - Plugins中搜索安装，重启PyCharm即可生效。
添加SSH解释器
在PyCharm打开项目后点击右下角的Python解释器选项并点击添加解释器。
也可以在PyCharm设置 - 项目 - Python解释器里点击右上角的齿轮图标添加。
在添加Python解释器页面选择左边的SSH 解释器，将服务器信息填入即可。
主机名为图示篮筐部分，端口为绿框部分，添加时请确保服务器为开机状态。
如不确定也可以点击红箭头指的使用帮助查看。
下一步中在解释器一栏(蓝框)的最后加上3，变成/usr/bin/python3
- 若使用默认环境，必须在此处加上3，否则找不到预装的包。
- 若使用conda虚拟环境，则需要替换为实际解释器路径。详见conda教程
同步文件夹可点击右边的文件夹图标配置，将远程路径改为主目录(/home/mist)下。本实例的所有文件都放在/home/mist/project/下，请以实际为准。
设置部署
完成后在右下角会弹出“已创建到服务器的部署配置”，点击配置。
点击根路径右边的自动检测按钮，根路径应自动设置为/home/mist/。之后点击绿框中的映射
点击部署路径右边的文件夹图标，选择项目地址，本实例中选择project。
注意由于之前已经设置过根路径了，因此部署路径中不再需要写/home/mist，直接写/文件夹名即可。Web路径可不填。
由于PyCharm会自动上传项目所需要的所有文件，因此如果项目里包括较大的数据集的话上传时间会很长。
建议进入排除的路径，点击添加排除的路径 - 本地路径。添加后的文件/文件夹PyCharm将不会自动上传。
如果数据及很大请先压缩成zip格式，到上传数据集中手动上传，
之后再手动解压到服务器中(参考蓝色框中的unzip命令)。
完成
保存之后配置就完成了，运行和调试和在本地无区别，只要右下角显示的是远程SSH解释器就是在使用服务器的资源了。
附加
在PyCharm中使用SSH连接
之后还可以点击菜单栏中的工具 - 启动SSH会话连接到服务器，边训练边使用watch py3smi命令监控GPU使用情况
(如找不到此命令可使用pip install py3nvml安装)。
下图红框部分为显存使用情况，篮筐部分为GPU资源整体占用情况。
从服务器上下载文件
训练生成的文件都会保存在服务器上，可以点击远程主机并找到所需要的文件，右键点击就可以下载到自己的电脑上了。
若找不到远程主机，则需要在工具(Tools)菜单栏中找到部署(Deployment)后点击浏览远程主机(Browse remote host)。
修改配置参数
最后，如果运行的程序需要从命令行获取参数，可以修改配置文件。
比如在命令行中要求使用python3 train.py --mode train --epoch 50，则在参数一栏加上参数部分即可。
