M1 Docker：Pycharm SSH 连接Docker容器

码龄9年

关注

原创最新推荐文章于 2026-02-17 00:31:23 发布 1.6k 阅读

PyCharm远程开发实战：5分钟搞定Docker容器SSH连接（附常见错误排查）本文提供了一份详细的PyCharm远程开发实战指南，教你如何在5分钟内通过SSH连接Docker容器。文章涵盖了从选择/构建包含OpenSSH的Python开发镜像、一键启动容器、配置PyCharm专业版远程解释器，到进阶性能优化和常见错误排查（如连接失败、认证问题等）的全流程，旨在帮助开发者快速搭建隔离、一致的云端开发环境，提升效率。阅读详情

一、准备工作

1. pycharm 专业版 + Docker的Tensorflow镜像

Pycharm社区版不支持SSH连接服务器
Docker镜像安装：详见“M1 Docker：打造Tensorflow炼丹环境”

二、Docker容器内配置过程

主要参考了：https://www.jianshu.com/p/f6936cdf299d
过程略有不同

step1: 创建一个新容器

完成端口映射
sftp默认22端口

docker run -tid --name tf2_ssh<容器名> -p 8022:22 -p 8887:8888 armswdev/tensorflow-arm-neoverse-n1:r21.10-tf-2.6.0-eigen<镜像名:版本> /usr/sbin/init

step2: 容器中安装ssh服务

sudo apt update
sudo apt install openssh-server

step3: 修改root密码

初始化的root密码是随机的，这里修改一下

sudo passwd

step4: 修改ssh配置

# 修改ssh配置
sudo vi /etc/ssh/sshd_config

# 主要修改以下部分
1. #注释 Subsystem      sftp    /usr/libexec/openssh/sftp-server
2. Subsystem       sftp    internal-sftp
3. PubkeyAuthentication yes #启用公钥私钥配对认证方式
4. AuthorizedKeysFile .ssh/authorized_keys #公钥文件路径
5. PermitRootLogin yes #root能使用ssh登录

step5: 重新启动ssh服务

sudo /etc/init.d/ssh restart

三、本地测试能否正常连接

step6: 本地检查22端口映射

docker port tf2_ssh 22

在这里插入图片描述

step7: 本地验证登陆

提示输入密码

ssh root@0.0.0.0 -p 8022

在这里插入图片描述

四、Pycharm SSH连接Docker容器

主要参考：https://www.jianshu.com/p/c27066e848c9
pycharm版本略有不同，过程有出入

step8: 选择python解释器

这里和【本地测试】环节的ip 、端口保持一致，Username选择root

在这里插入图片描述

next
输入密码，next

在这里插入图片描述

step9：相关路径选择

python解释器路径
- 这里默认的是/usr/bin/python，但容器中默认的不一定是这个，在容器中输入which python，确定路径为：
本地目录映射到容器
- sync folders: 选择一下本地项目路径 -> 容器路径
finish

在这里插入图片描述

step10: run一下试试

写个脚本run一下，仍然是官网代码

import tensorflow as tf
print(tf.__version__)

mnist = tf.keras.datasets.mnist

(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test, y_test)

如果遇到下面的报错：
- 在容器中下载：sudo apt-get install libopenblas-dev
- 刷新一下pycharm即可

ImportError: libopenblas.so.0: cannot open shared object file

中国人不骗中国人，代码运行结果：

在这里插入图片描述

收录于

常用工具

标签

#ssh #pycharm #docker #tensorflow

本内容遵循 CC 4.0 BY-SA 版权协议

PyCharm通过SSH连接Docker容器实现远程Python开发环境配置本文详细介绍了如何通过PyCharm专业版配置SSH连接至Docker容器，从而搭建一个与生产环境一致的远程Python开发环境。文章从构建支持SSH的Python Docker镜像入手，逐步讲解在PyCharm中配置SSH远程解释器、映射目录、管理依赖及调试的全过程，旨在解决开发环境不一致的痛点，提升开发效率和代码可移植性。阅读详情

M1 Docker：Pycharm SSH 连接Docker容器

一、准备工作

1. pycharm 专业版 + Docker的Tensorflow镜像

二、Docker容器内配置过程

step1: 创建一个新容器

step2: 容器中安装ssh服务

step3: 修改root密码

step4: 修改ssh配置

step5: 重新启动ssh服务

三、本地测试能否正常连接

step6: 本地检查22端口映射

step7: 本地验证登陆

四、Pycharm SSH连接Docker容器

step8: 选择python解释器

step9：相关路径选择

step10: run一下试试

相关推荐