windowns上pycharm和jupyter远程docker开发

目录

1. 创建容器
2. 配置 SSH 服务
3. 在 PyCharm 里配置部署环境
4. 在 PyCharm 里配置远程解释器
5. 操作
6. 注意事项

一、创建容器

sudo nvidia-docker run -it --name 容器名称 -p 1234:8888 -v 宿主机: 镜像文件夹 镜像:版本 bash

示例一：

sudo nvidia-docker run -it -p 5592:5592 -p 5593:5593 -p 8022:22 --name="tf_yifan"

-v /u02/yifan/project:/project

-v /u02/yifan/data:/data tensorflow/tensorflow:latest-gpu-py3-jupyter /bin/bash

实例二：

sudo nvidia-docker run -it -p 5592:5592 -p 5593:5593 -p 8022:22 -p 5014:5014 --name pytorch_yifan -v /u02/yifan/project_addr_3:/project -v /u02/yifan/addr_3:/data pytorch_xgboost_gpu:V4 /bin/bash

说明：-v作用就是宿主机和容器的映射。这个功能很有用，不过需要在创建容器的时候规划好，在后期开发的时候就不用cp宿主机和容器的文件了。

二、配置 SSH 服务

接着我们在刚刚新建的容器里配置 SSH 服务，首先安装 openssh-server:

$ apt-get update

$ apt-get install -y openssh-server

若这个不行，需要考虑离线安装：具体方法可见另一篇文章。

然后建立一个配置文件夹并进行必要的配置：

$ mkdir /var/run/sshd

$ echo 'root:passwd' | chpasswd# 这里使用你自己想设置的用户名和密码

$ apt-get install vim

$ vim /etc/ssh/sshd_config #

PermitRootLogin yes

PasswordAuthentication yes

PubkeyAuthentication yes

AuthorizedKeysFile  .ssh/authorized_keys

   

下面这个没有配置也行：

$ sed 's@sessions*requireds*pam_loginuid.so@session optional pam_loginuid.so@g' -i /etc/pam.d/sshd

$ echo "export VISIBLE=now" >> /etc/profile

$ mv /etc/bash.bashrc /etc/bash.bashrc.bak

重启 SSH 激活配置：(重启容器也需要开启这个)

$ service ssh restart

以上方式，在重启容器后会失效，建议写到文件内：

vi /etc/rc.local

service sshd start

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

到这里说明服务器的 docker 端已经完成配置。

查看是否启动：

sudo ps -e |grep ssh

三、在 PyCharm 里配置部署环境

打开 PyCharm Tools > Deployment > Configuration, 新建一个 SFTP 服务器，名字自己取：

输入如下图配置，注意这里的端口是你刚刚设置的映射到服务器主机 22022(ssh) 端口的 docker 容器中的端口，我这里使用的是 8022，账号密码是你刚刚自己设置的（没有就再创建一个），这里的 Root Path 设置一个远程 docker 容器里的路径:

配置完点击 Test SFTP connection, 如果成功就恭喜你，可以进行下一步了。

最后在 Mappings 中配置路径，这里的路径是你本地存放代码的路径，与刚刚配置的 Root Path 相互映射（意思是 Mapping 里本机的路径映射到远程的 Root Path），方便以后在本地和远程 docker 中进行代码和其他文件同步。

四、在 PyCharm 里配置远程解释器

点击 PyCharm 的 File > Setting > Project > Project Interpreter （或者直接下面的小图标）右边的设置按钮新建一个项目的远程解释器：

   

图中所述的查的思路：

import sys

sys.executable

例如：

   

配置完成以后在项目解释器界面就会出现如下图所示，可以看到此时已经完成远程解释器的本地化：

配置完成以后需要等本地和远程的环境同步一下，到这里，恭喜你，可以用最舒服的姿势。。。写代码了。

五、操作

上传本地代码到容器

手动设置：

修改之后可以随时右键 deployment->upload 到远程主机，或者直接在本地调试运行；也可以如下图一样，通过tools这里，里面有上传和下载。目前最好的实践是在局域网的服务器上，时延低，同步速度快。

测试上传本地代码到服务器：

自动设置：后期只要ctrl + s 就能完成上传了。

   

查看远程服务器的文件

六、注意事项

1. 每次需要上传以后运行代码方能生效，刚开始时候经常忘记，导致怀疑自己是不是改错

参考文献

1. 上传和下载代码： https://blog.csdn.net/hanchaobiao/article/details/84069299
2. Pycharm远程连接服务器 https://blog.csdn.net/baidu_39622935/article/details/84299439