目录
0. 前序工作
1. 连接远程虚拟环境 (配置解释器)
2. 理解.sh (shell脚本 - 以Occ为例)
补充shell脚本讲解
3. 配置运行参数 (PyCharm)
值得注意的路径问题：
小结
在远程运行虚拟环境之前，得确保已经完成以下几个前置步骤：
1. 在jupyter lab进入终端，远程配好环境，先让项目远程跑起来，先不考虑本地PyCharm
2. 将pycharm本地项目同步到(Linux)服务器上——科研实践（完成文件上的map对应同步）
- （1）文件 → 设置
- （2）项目 → python解释器 → 添加解释器 → SSH
- （3）现有 → SSH服务器右侧下拉菜单 → 选择咱的端口37368 → 下一步
- （4）内省完成 → 下一步 (2/3. 正在内省 SSH服务器) 窗口
下一步后会自动弹出“新目标: SSH”的 (3/3. 项目目录和 Python 运行时配置) 窗口
- （5）Virtualenv 环境（不要选Conda，亲测不太行）→ 现有 → 取消勾选“自动上传到服务器” → 选择“远程路径”文件夹
（6）中的选择解释器步骤，可以放在（5）选择“远程路径”文件夹之前操作，没问题的
- （6）解释器:显示: <无解释器>，还得咱自己勾选一下，选中咱虚拟环境中的python，确定→创建→确定
然后需要等待20s左右，就能成功连上虚拟环境啦
可以看到之前已经初始化好了的环境，本人在PyCharm远程连接服务器前，已经成功跑起来了，这是前序工作（当然配好环境的工作量不小）
首先打开，看看当时执行train的逻辑（每个项目都会有细微差别，但知识点相同）
说明在执行“CAM-R50_img1600_128x128x10.py”文件前，需要执行Linux的bash文件，python解释器不理解Linux语法，怎么办呢？不慌，咱细看这个shell脚本文件~
- dirname $0：
- 获取当前脚本文件所在的目录路径。
- 获取当前脚本所在目录的绝对路径。
- 命令切换到这个绝对路径下，使得后续操作在该目录中进行。
- ： 激活名为 “OpenOccupancy” 的 Conda 环境，以便在特定的环境中执行后续命令。
- ： 设置 Python 的模块搜索路径为当前目录（表示当前目录），这样在运行 Python 程序时可以方便地找到当前目录下的模块。
- ： 打印第一个命令行参数的值，这里是查看传入的参数。
- ： 检查第一个命令行参数是否为一个文件。是一个条件判断，用于判断参数所代表的路径是否指向一个常规文件。
- ：
- 如果第一个参数是一个文件，将其赋值给变量，后续用于指定配置文件。
- ：
- 调用目录下的脚本进行分布式训练。
- 将前面确定的配置文件（）、第二个命令行参数（）以及第三个及以后的所有参数（）传递给这个脚本。
执行命令： “bash run.shhttps://blog.csdn.net/weixin_/article/details/projects/configs/baselines/CAM-R50_img1600_128x128x10.py 1” 时， 对应关系如下：
- 对应代码中的。在代码中，首先检查这个参数所代表的路径是否是一个文件，如果是，则将其赋值给变量，后续用于指定配置文件进行分布式训练。
- “1” 对应代码中的。这个参数指的是用几个gpu训练，会在最后被传递给脚本进行分布式训练。
这里又嵌套了一层，咱来看看这个脚本写了什么：（在tools目录下）
要想在PyCharm里运行这个训练脚本（bash run.shhttps://blog.csdn.net/weixin_/article/details/projects/configs/baselines/CAM-R50_img1600_128x128x10.py 1），需要配置运行参数！
（1）在 PyCharm 顶部菜单栏中，选择 “Run”（运行）>“Edit Configurations”（编辑配置）
（2）设为“module”（不要选script）→ 输入"PyTorch 的分布式启动模块启动"的命令 → 展开后把环境变量粘贴过来
$(dirname "$0")/train.py → https://blog.csdn.net/weixin_/article/details/tools/train.py
- 是因为train.py在OpenOccupancy/tools里，而我们要执行的“OpenOccupancy/projects/configs/baselines/CAM-R50_img1600_128x128x10.py”并不在OpenOccupancy/tools路径下
- 而同时需要用到的train.py却在“OpenOccupancy/tools”路径下，两个文件的路径不一样
- 因此把工作目录: “E:/code/OpenOccupancy/tools”→“E:/code/OpenOccupancy”
- 的同时，需要改粘贴过来的配置文件路径: train.py → https://blog.csdn.net/weixin_/article/details/tools/train.py
- 这下点击确定后重新执行，就不会再报错啦（以上的每一步，都是建立在运行后报错，找原因，改进后的实践经验总结）
- 运行剩下的不同的训练脚本，修改的方法都大同小异
版权声明：
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若内容造成侵权、违法违规、事实不符，请将相关资料发送至xkadmin@xkablog.com进行投诉反馈，一经查实，立即处理！
转载请注明出处，原文链接：https://www.xkablog.com/bcyy/67878.html