提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

前言

第一次连接实验室服务器跑代码，因pycharm专业版学生认证需要时间，所以自学了XShell连接服务器以及提交任务,现在终于装好了，趁着热乎劲儿总结下，也希望对你有用。作者是新手小白，如有疏漏，请见谅。

一、登录组内服务器

win+R键，cmd打开命令行窗口 ，输入命令：ssh -p 端口号 登录名 @服务器IP地址，即可以成功连接服务器，进入后即在自己的文件目录下。

如果显示连接失败：可能是因为未找到.ssh文件，要确定ssh文件在我们C盘根路径下，且文件名是.ssh。（我们组内申请时，提交的是自己的姓名全拼和公钥，密码就是自己的私钥。登录名就是提交姓名全拼，端口号和IP是申请成功后被告知的。用端口号25，登录名xiaoerhei，服务器ip111.111.111.111举个例子：ssh -p 25 xiaoerhei @111.111.111.111)

二、远程服务器安装miniconda3,并创建虚拟环境及安装GPU版pytorch

在自己的文件目录下，下载安装miniconda3,创建自己的环境，及安装GPU版pytorch。这个我是参考了这篇文章【（二）远端服务器安装miniconda3、GPU版pytorch、2022版pycharm的SSH配置、Jupyter配置 - CSDN App】http://t.csdnimg.cn/Bq1XJ。过程中存在找不到conda命令问题，可按文章内的操作使用source命令解决。

创建虚拟环境和在虚拟环境下添加包都和本机一样。可以自行下载安装。可以使用pip 命令

三、下载Xshell和Xftp

https://www.xshell.com/zh/free-for-home-school/ 在这一官网链接下载安装（安装路径可选）XSHELL和XFTP，下载安装完成后会弹出窗口，填写用户名和邮箱，提交后可在邮箱内对邮件确认。

四、在Xshell 上连接服务器和跑代码

点击file-new创建会话，name随便填(如实验室服务器)，host 填组内的服务器ip地址，port number 填组内的端口号，点OK，在弹出的窗口内 username 填写服务器的登录名，并提交申请服务器时填写的公钥对应的私钥文件，即可连接。（服务器是用用户名和密码登录的，可以在authentication 内填写用户名和密码后连接，但我们组的密码就是个人的私钥，这个是有区别的。因为是完成后总结，所以这个页面无图）

在上图页面中点下图红框中绿色按钮，打开XFTP，同上述方式一样，连接服务器成功后，如下图，屏幕左显示本机文件，右侧显示服务器文件。

在xshell 命令窗口，进入服务器端自己的文件夹下，依次进行如下操作：

1、创建文件夹test及其子文件夹informer

创建文件夹命mkdir 例如：mkdir test  

查看当前文件夹下文件：ls

2、把项目文件夹压缩后可可以用rz命令上传文件， 使用unzip 命令对文件夹解压，使用rm -rf命令可删除压缩文件，此时服务器页面只有解压后的项目文件夹。

3、使用cd命令进入项目文件夹中运行文件的主目录下

4、在项目文件夹informer2020-main下，进入自己创建的虚拟环境，（conda命令使用不了，我这使用source命令），使用python-u 运行该项目下main_informer.py 文件，并设置参数 --moder 等等（github上作者提供的命令），如下图所示。

搞定啦，给自己一个赞吧。

文章目录

• 前言
• 一、登录组内服务器
• 二、远程服务器安装miniconda3,并创建虚拟环境及安装GPU版pytorch
• 三、下载Xshell和Xftp
• 四、在Xshell 上连接服务器和跑代码
  • 1.创建文件夹
  • 2.上传项目文件
  • 3、激活虚拟环境
  • 4、运行项目代码
• 总结

前言

提示：这里可以添加本文要记录的大概内容：

例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。

提示：以下是本篇文章正文内容，下面案例可供参考

一、pandas是什么？

示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。

二、使用步骤

1.引入库

代码如下（示例）：

import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns import warnings warnings.filterwarnings('ignore') import  ssl ssl._create_default_https_context = ssl._create_unverified_context 

2.读入数据

代码如下（示例）：

data = pd.read_csv(     'https://labfile.oss.aliyuncs.com/courses/1283/adult.data.csv') print(data.head()) 

该处使用的url网络请求的数据。

总结

提示：这里对文章进行总结：
例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。