Ubuntu16.04服务器搭载tensorflow2.0主要分为三个流程：远程连接服务器建立账户，安装Anaconda及虚拟的python3.7环境，利用pycharm远程连接服务器。
一、远程连接服务器建立账户
推荐一款全能终端神器mobaxterm，相比于之前使用的Xshell以及体验一般的Putty，很nice的一款软件，安装包在官网就可以下载。
官网链接：https://mobaxterm.mobatek.net/。
下载好后我们点击上图中的New Session，点击SSH连接，输入远程服务器的ip地址到Remote host当中，随后点击ok就可以进入服务器的登录界面。
随后点击ok就可以进入服务器的登录界面,输入之前创建好的个人账号和密码。
（如果没有个人账户，以root登录，密码为：111111）
登入以后，一定要记得连接校园网，进入/home文件夹下的.login.sh文件进行登录，输入：
$ ./login.sh
出现上面的界面就完成了网络的连接，这样可以确保利用Linux命令远程下载一些文件。
二、安装Anaconda及虚拟的python3.7环境
为保证服务器不会出现过于纷杂混乱的状态，建议利用Anaconda搭载虚拟python的环境，在这上面安装python3.7。
这是一个开源的Python包管理器，利用其搭载虚拟的python配置环境可以使原主机不需要安装任何的python设备，非常实用。
我们可以在Anaconda官网下载最新的Linux版本的安装包，官网下载链接：https://www.anaconda.com/products/individual。
随后把下好的安装包拷贝到mobaxterm右侧的控制台的个人账户的文件路径下，我是创建了一个software的文件夹，然后转入到该文件夹中，加载之前放置的安装包。
$cd /home/lxn6666/software启动加载该安装包Anaconda3-2020.07-Linux-x86_64.sh（名字可能会因为安装包的更新发生变化）。
$ bash Anaconda3-2020.07-Linux-x86_64.sh随后一路回车，yes，再加回车确认文件路径后，安装完成。验证是否安装成功，输入下列代码可以看到你python的环境。
$ conda info --envs目前只存在base环境，该版本是3.8.3，这与tensorflow2.0是不兼容的，现在需要建立的是一个虚拟的3.7版本的环境，建立指令如下：
$ conda create --name my_env python=3.7再次输入虚拟环境信息查询的命令，新的环境就会创建好，进入该虚拟环境则需要输入下列指令：
$ source activate my_env现在我们已经成功的搭载好了安装tensorflow2.0的虚拟python环境，接下来就需要下载tensorflow到该虚拟环境当中了，需要执行以下指令：
$ pip install tensorflow-gpu安装好后，利用下列指令我们就可以确定是否成功的安装了tensorflow的安装包：
$ pip list可以对比执行pip指令前后的变化：
接下来就可以使用tensorflow啦，关于CUDA和CuDNN服务器上是具备的，所以不需要再行安装。
三、利用本地的pycharm远程连接服务器
PyCharm是一种Python IDE，带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具。
我们同样需要在本机上下载Pycharm专业版，下载链接如下：
https://www.jetbrains.com/zh-cn/pycharm/download/download-thanks.html
关于远程连接pycharm专业版可分为两步，首先是设置远程连接配置，点击Tools中的Deployment（注意只有专业版才有deployment选项），随后进入Configuration。
随后建立远程连接，配置SSH，并通过点击TestConnection，来检验是否实现连接。
随后进入Mappings选项卡，在这里需要确定你的本机的项目所在位置，和远程服务器项目所在位置。
接下来就是设置远程服务器中anaconda建立的虚拟python3.7环境来Interpreter，进入settings后点击项目中的Python Interpreter。
选择SSH Interpreter然后创建与咱们服务器ip相关联的服务器配置。
这时候pycharm会远程自动给你匹配本地的python Interpreter，并创建一个文件夹位置来收录你的程序代码文件。
我们需要更换成我们虚拟环境的Interpreter，其路径在/home/xxx6666/anaconda3/envs/你的虚拟环境名字/bin/python，Sync Folders建议放在每个人的个人文件夹下，这样不易丢失。
配置好后如下图所示：
最后一步我们需要把我们的文件上传至服务器中的文件夹中，点击Tools中的deployment，点击第一个upload to，操作如下图所示：
上传完成后就可以利用服务器搭载的虚拟环境进行编译了，万事大吉。
