🌌 背景

很多开发者（包括我）可能都买过阿里云、腾讯云或百度云的平价服务器，结果吃灰半年——GPU 算力闲置，钱却实实在在地扣了！

而在 Python 项目开发中，环境配置常常令人头疼 —— 尤其是需要 GPU 支持的深度学习任务。本地配 CUDA 环境复杂，还可能把电脑搞崩；多人共同开发时，重复配置更是效率低下。

聪明的做法是：
在闲置的云服务器上统一配置 Conda 虚拟环境，本地用 PyCharm 远程连接。这样既能：
✅ 白嫖闲置 GPU 算力 —— 让吃灰的服务器开始 “打工回本”

✅ 享受本地 IDE 的流畅编码 —— 代码自动同步到远程执行

✅ 零成本学习 Linux 运维 —— 顺便熟悉服务器配置和调优

一举三得，血赚不亏！

本文以 pycharm 2020.3 专业版为例展示远程开发配置，其他版本大同小异。

本文配置稍难，适合有自己的 Linux 服务器以及一些运维基础的小伙伴尝试。

💦 步骤

服务器环境

1.新建虚拟环境

先在 Linux 服务器建好虚拟环境，关于虚拟环境上文有详讲。

conda activate   // 激活conda

conda create --name blog python=3.6.3  // 新建环境假设叫 blog

conda activate blog   // 进入该环境

pip install xxx   // 下载需要的包

配置 Pycharm

1.使用拓展工具 Deployment

如下图所示，进入 pycharm，依次点击 Tools -> Deployment -> Configration

2.点击左上角 + 号，再点击 SFTP，给服务器起个名字，我一般起 Base

3.点击 SSH configuration 右边的三个点，进入下图的配置。点击加号输入服务器 ip、用户名一般是 root ，password 是进入服务器终端的密码。完成后点击 Apply 应用，点击 OK

之后选择 Mappings，1 是项目的本地位置，2 是选择想要将项目放在服务器上的位置（我设置在首页 Home 下的自定义文件夹，方便自己记忆和查看）。

这样，Deployment 的配置就完成了。

其实这是相当于配置了一个 ftp 工具可以连接到服务器上，从而可以查看和修改服务器上的文件。

可以通过 Tools > Deplotment > Browse Remote Host 来打开相应的 RemoteHost 面板。

选择 Python 解释器

1.点击 File -> settings -> Project -> Python Interpreter。点击右上角 add，添加解释器。

2.点击 SSH Interpreter。输入自己服务器的ip；Username 一般都是 root。之后 Next 输入密码

3.之后进入该界面，1 是配置该环境的解释器的位置，2 是选择将代码存在服务器的哪个位置。（这个位置之前提到过，首页 Home 下的自定义文件夹）

关于 1 Interpreter（解释器）的位置。看过我之前文章的都知道，anaconda3 下面的 envs 里是创
建过的所有虚拟环境，而 blog 是本文所演示的环境（开头新建的），解释器就在 bin 文件夹里，如图。

点击 2 后进入

感谢你耐心看到这里，由于笔者服务器早已欠费，且之前没能留下运行过程，所以无法演示最终效果。

如果你能配置成功，那简直就是天选运维人😮。

祝你能调用服务器算力，告别电脑轰鸣发烫。