快速配置深度学习主机环境的下篇。上篇已经配置好底层驱动和CUDA，可以实现SSH远程登录，使用SAMBA进行文件共享。这篇将完成TensorFlow，Jupyter，PyCharm的安装配置。

Python & TensorFlow

1. 安装Conda到/usr/local/cellers/conda3，默认的python和pip已经替换为Anaconda的版本

   NOTE：如果你不知道当前运行的Python或pip到底是哪一个什么版本，你可以使用which python查看。

2. 创建虚拟环境：conda create -n tf_env，进入：source activate tf_env，安装pip：conda install pip

3. 安装Tensorflow 1.6：pip install --ignore-installed --upgrade tfBinaryURL

   where tfBinaryURL is the URL of the TensorFlow Python package. For example, the following command installs the GPU version of TensorFlow for Python 3.6:

   pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.6.0-cp36-cp36m-linux_x86_64.whl

   也可以使用：pip install tensorflow-gpu

Jupyter

1. conda install jupyter安装 Jupyter， jupyter notebook --generate-config，编辑生成的文件vi ~/.jupyter/jupyter_notebook_config.py，

   c.NotebookApp.ip = '0.0.0.0'
   c.NotebookApp.port = 8080
   c.NotebookApp.password = u'sha1:c3182135f429:0b593978f9f157b26871b7d2e9c478e4cbb6c556'
   c.NotebookApp.notebook_dir = u'/home/deserts/Projects'

上面的密码这么来的：

   >>> from IPython.lib import passwd
   >>> passwd()
   Enter password:
   Verify password:
   'sha1:7d95d331a799:305429d9f9d799dce42cb8635b770a63d254c419'

2. 设置systemd随开机启动，sudo vi /etc/systemd/system/jupyter.service，这里使用Environment指定PATH和LD_LIBRARY_PATH环境变量，因为systemd不能使用.bashrc中的环境变量。具体参数视情况而定。

   [Unit]
   Description=Jupyter Notebook
   After=network.target
   [Service]
   Type=simple
   Environment=PATH=/usr/local/cuda-9.0/bin:/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64
   ExecStart=/usr/local/cellers/miniconda3/bin/jupyter notebook  --config=/home/deserts/.jupyter/jupyter_notebook_config.py --no-browser
   User=deserts
   Group=deserts
   WorkingDirectory=/home/deserts/Projects/
   Restart=always
   RestartSec=10
   [Install]
   WantedBy=multi-user.target

多人独立的Jupyter环境只需要用不同的配置文件和Python内核即可。
更好的保证安全参阅：https://bitmingw.com/2017/07/09/run-jupyter-notebook-server/

PyCharm

1. Interpreter设定：preference -> project -> project interpreter，点击小扳手，add remote，如下图进行配置：

2. 文件同步：Tools -> deployment -> configuration，按照下图配置：

设置路径映射，注意部署路径基于上图的ROOT路径设定。

3. 勾选 Tools -> deployment -> Automatic upload，即可自动同步文件。

PyCharm按照以上流程设置好以后，可以在右侧边栏打开远程文件浏览，手工进行文件操作。如果需要更丰富的远程文件管理，可以借助上篇提及的Samba映射网络驱动器。或者使用其他SFTP工具。

至于更复杂的网络拓扑，可以使用路由器的端口映射功能实现广域网（或校内网）访问。

至此，可以优雅的使用远程机器进行深度学习开发。