一、远程服务器虚拟环境配置
已在服务器上配置安装tenssorflow-gpu和pytorch的虚拟环境，其路径分别为/usr/local/anaconda3/envs/tenssorflow-gpu和/usr/local/anaconda3/envs/pytorch。
可用conda自行创建需要的虚拟环境，其存储在个人目录：/home/账户名/.conda/envs。
二、配置服务器虚拟环境下python解译器
1．Pycharm菜单栏，依次点击File -> Settings -> Project -> Project Interpreter，点击右侧 Add按钮，添加解释器。
2．选择SSH Interpreter，填写服务器的地址：202.114.114.194，用户名Username为个人账户名，填好后，下一步Next。
3．输入账户密码，下一步Next。
4．选择对应虚拟环境的解译器。
(1)点击右上方文件夹按键。
(2)选择虚拟环境中的python解译器，位于虚拟环境中的bin目录下。
此处是公用的conda虚拟环境，其目录为/usr/local/anaconda3/envs
个人创建的conda虚拟环境目录为/home/账户名/.conda/envs
5．设置同步文件夹目录
(1)点击右侧文件夹按键。
(2)查看项目路径设置，点击按钮修改服务器端存储文件夹位置。
(默认的Remote Path路径不具有可写权限，需修改为个人目录下路径)
(3)修改Remote Path。定位到个人用户账户目录下，右键新建文件夹用于服务器端同步本地项目。
必须修改至个人目录路径下，其他路径不具有写入权限。
(4)完成配置，等待项目部署完成。
附录
配置完成后检测服务器端Tensorflow环境是否可用
import tensorflow as tf
a = tf.test.is_built_with_cuda() # 判断CUDA是否可以用
b = tf.test.is_gpu_available(
cuda_only=False,
min_cuda_compute_capability=None
) # 判断GPU是否可以用
print(a)
print(b)