前提條件

• 服務端安裝好anaconda，并建立要用的虛擬環境

詳情可見我的另外一篇文章

【手把手AI項目】三、利用Anaconda配置tensorflow-gpu環境（linux+windows）

假設我們這里創建的虛擬環境是一個 name為che的python3.6的環境，什么其他的包都還沒有裝。

• 本地環境需要安裝git，如果你沒啥特別的需求，就傻瓜式安裝即可。

具體步驟

這里要注意的一點是如果你的服務器是學校得或者公司的，肯定是要連接上對應的vpn的。

• 通過git bash輸入ssh命令連接遠程服務器 點擊git bash

$?ssh?user_name@server_ip?-L?127.0.0.1:12345:127.0.0.1:1111

首先輸入這個命令，user_name就是你的服務器的你的個人的用戶名， server_ip就是你的服務器的獨有ip

127.0.0.1:12345為本地的地址 127.0.0.1:1111為服務器端的地址

大白話理解就是咱們用ssh把本地的127.0.0.1:12345端口地址映射對應于服務器端的127.0.0.1:1111，在本地訪問127.0.0.1:12345就相當于訪問了127.0.0.1:1111

127.0.0.1其實就是我們常用的localhost

之后你就會看到讓你輸入對應于你這個user的password

輸入之后你就會進入到遠程服務器的命令行界面了

這個時候你可以嘗試開啟你的jupyer lab服務，就像是你本地用jupyter lab一樣，當然你也可以用jupyter notebook，但我用過來說還是lab香。

$?jupyter?lab?--port=1111

開啟了之后 可以在本地瀏覽器直接 輸入

http://localhost:12345

第一次進的時候發現會讓你填個token

這個token在哪里找呢，當然在我們開啟jupyter lab服務的時候來找。

這個token之后的復制粘貼就成功進入到我們的lab界面了

這也算是初步完成了我們的需求

當然這里可能會有同學問，我的文件保存的地址在哪里呢，如果直接在user下執行jupyter lab的話，那就直接在user的文件夾下即可找到你的jupyter的對應配置文件和代碼等等文件了。

配置環境

我們現在雖然是連接上了并且本地也登陸了，但是kernel里只有一個原生的python，所謂kernel就是編譯環境。

我們下載要做的是把anaconda我們里面之前創建的虛擬環境che和jupyter建立連接。

具體做法就是在對應的虛擬環境種執行兩個命令。

首先我們進入虛擬環境中去

$?source?activate?che

之后執行一下核心的兩個命令

$?conda?install?nb_conda?ipykernel??? $?ipython?kernel?install?--user?--name?c

--name為我們把這個虛擬環境che在我們的kernel中命名為c

再刷新或者重新登陸一下jupyter lab新建notebook如下圖所示

會看到多了一個叫做c的kernel，直接點擊開始你的代碼之路把

總結

配置環境有各種而樣的坑，當然我個人也踩了不知道多少個坑，希望我的詳細的記錄可以幫助您盡早地把時間投入到代碼的學習中去~

往期精彩回顧適合初學者入門人工智能的路線及資料下載機器學習及深度學習筆記等資料打印機器學習在線手冊深度學習筆記專輯《統計學習方法》的代碼復現專輯 AI基礎下載機器學習的數學基礎專輯獲取一折本站知識星球優惠券，復制鏈接直接打開：https://t.zsxq.com/662nyZF本站qq群1003271085。加入微信群請掃碼進群（如果是博士或者準備讀博士請說明）：

總結

以上是生活随笔為你收集整理的【Python基础】本地利用ssh远程连接服务器并启用远程服务器的jupyter lab并配置好anaconda的环境...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。