如何在VS Code Notebook中远程调用局域网内另一台电脑的GPU运行TensorFlow代码？

完全可以实现你的需求，以下是适合学生快速复现的VS Code操作步骤，分台式机B配置和笔记本A操作两部分：

一、台式机B的前期配置 #

1. 搭建GPU运行环境

   • 装好适配Nvidia 3080的显卡驱动，再根据你要使用的TensorFlow版本，安装对应版本的CUDA和cuDNN（比如TensorFlow 2.15对应CUDA 12.2）。
   • 安装Python、pip，通过pip install tensorflow[and-cuda]安装GPU版TensorFlow，再安装Jupyter：pip install jupyter。
   • 验证环境：运行python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"，如果输出包含GPU:0（对应3080），说明GPU环境正常。

2. 配置并启动Jupyter远程服务

   • 生成Jupyter配置文件：在命令行运行jupyter notebook --generate-config。
   • 设置Jupyter登录密码：运行jupyter notebook password，按照提示输入并确认密码，记好这个密码。
   • 启动允许远程访问的Jupyter服务：运行jupyter notebook --ip=0.0.0.0 --port=8888 --no-browser。这里0.0.0.0允许局域网内所有设备访问，8888是默认端口（可自行修改），--no-browser表示不在B本地打开浏览器。
   • 开放防火墙端口：在台式机B的防火墙里添加入站规则，允许8888端口的TCP连接（Windows在「Windows Defender防火墙」→「高级设置」里操作；Linux用ufw allow 8888）。
   • 记下台式机B的局域网IP：Windows运行ipconfig找「以太网适配器」下的IPv4地址；Linux运行ip addr找对应网卡的inet地址。

二、笔记本A的VS Code操作 #

1. 准备VS Code环境

   • 安装VS Code，然后在扩展商店搜索并安装官方的Jupyter插件。

2. 连接到台式机B的Jupyter内核

   • 打开笔记本A本地存储的.ipynb Notebook文件。
   • 点击VS Code右上角的「选择内核」按钮（显示当前内核的区域，比如「Python 3.10.xx」），选择「添加内核」→「现有Jupyter服务器」。
   • 在弹出的输入框里，输入台式机B的Jupyter服务地址：http://[B的局域网IP]:8888，比如http://192.168.1.105:8888，然后点击「连接」。
   • 输入之前在台式机B设置的Jupyter密码，验证通过后，VS Code会加载台式机B上的Python内核（带GPU环境）。

3. 验证并运行代码

   • 选择加载好的台式机B的内核，在Notebook里运行测试代码：

     import tensorflow as tf
     print("可用GPU：", tf.config.list_physical_devices('GPU'))
     

   • 如果输出显示Nvidia 3080的信息，说明代码已经在台式机B的GPU上运行，后续所有Notebook代码都会默认使用这个远程GPU内核执行，你在笔记本A上编辑、操作，结果会实时显示在VS Code里。

额外注意事项 #

• 台式机B的Jupyter服务窗口不要关闭，若要后台运行（比如Linux系统），可以用nohup jupyter notebook --ip=0.0.0.0 --port=8888 --no-browser &命令，关闭终端也能保持服务运行。
• 为避免台式机B的IP动态变化，可在路由器后台给B设置静态局域网IP，后续不用每次修改连接地址。

内容的提问来源于stack exchange，提问作者Marie