Логотип Терафермы Тераферма Регистрация

19 ноября 2026 г. · Анатолий Крылов, редактор Терафермы

VS Code Remote SSH и арендованная GPU: разработка как на своём ПК

Ноутбук с редактором кода соединён светящимся кабелем с сервером с видеокартой — VS Code Remote SSH и GPU

VS Code Remote SSH превращает арендованную GPU в продолжение вашего ноутбука: вы открываете папку на сервере, а редактор, терминал, отладчик и Jupyter-ноутбуки работают так, будто карта стоит под столом. Настройка занимает около 5 минут: расширение Remote - SSH, три строки в ~/.ssh/config и команда подключения. Для разработки хватает недорогой карты: RTX 3090 стоит 34 ₽ в час.

Как это устроено

Расширение Remote - SSH выпускает сама Microsoft. При подключении оно ставит на сервер небольшой компонент VS Code Server и дальше гоняет по SSH только команды и данные интерфейса.

Что где выполняется:

Компонент Где работает
Окно редактора, темы, раскладка Ваш компьютер
Файлы проекта Сервер, папка /workspace
Терминал Сервер
Python, отладчик, тесты Сервер, с доступом к GPU
Расширения анализа кода (Pylance, линтеры) Сервер
Jupyter-ядро Сервер

Поэтому torch.cuda.is_available() в терминале VS Code вернёт True, а автодополнение будет знать о библиотеках, установленных на сервере, а не у вас локально.

Так же работают редакторы на основе VS Code (Cursor, Windsurf и другие): у них своё расширение для удалённой разработки, но настройка SSH та же.

Remote SSH или Jupyter в браузере

На Тераферме у каждого сервера есть кнопка «Открыть Jupyter», и для многих задач её достаточно. Когда что удобнее:

Задача Jupyter в браузере VS Code Remote SSH
Быстро проверить модель, пара ячеек Удобнее: ничего не настраивать Избыточно
Проект из десятков файлов Неудобно Удобнее: дерево файлов, поиск, переходы
Отладка с точками останова Только print Полноценный отладчик
Работа с git Через терминал Встроенная вкладка Source Control
Нестабильный интернет Переживает обрывы лучше Переподключается сам, но вывод долгих ячеек может пропасть
Без SSH-ключа Работает Нужен ключ

Удобнее всего использовать оба сразу: VS Code для кода и отладки, Jupyter в браузере для быстрых проверок и просмотра картинок. Они работают с одной и той же папкой /workspace.

Шаг 1. Запустите сервер и проверьте SSH

Если вы ещё ни разу не подключались к арендованной машине, сначала пройдите базовую настройку: SSH-ключ в кабинете, пополнение, запуск, первая команда в терминале. Пошагово это описано в статье первый запуск на арендованной GPU, короткая памятка — в разделе как арендовать GPU.

Коротко: SSH-ключ добавляется в «Настройках» кабинета, баланс пополняется картой или криптовалютой от 500 ₽, а после запуска в карточке сервера появляется команда вида:

ssh -p 31001 root@teraferma.io

Убедитесь, что она работает из обычного терминала. Если терминал подключается, VS Code тоже подключится.

Шаг 2. Настройте ~/.ssh/config

Добавьте сервер в конфиг, чтобы VS Code видел его по имени:

Host gpu
    HostName teraferma.io
    Port 31001
    User root
    IdentityFile ~/.ssh/id_ed25519
    ServerAliveInterval 30
    StrictHostKeyChecking accept-new
    UserKnownHostsFile ~/.ssh/known_hosts_gpu

Что дают дополнительные строки:

  • ServerAliveInterval 30 — каждые 30 секунд отправляет пакет, чтобы соединение не рвалось при простое Wi-Fi или NAT.
  • StrictHostKeyChecking accept-new и отдельный known_hosts: при каждом новом запуске за тем же адресом и портом может оказаться другая машина с другим ключом. Без этих строк SSH ругается «REMOTE HOST IDENTIFICATION HAS CHANGED» и отказывается подключаться. Отдельный файл не смешивает эти записи с вашими постоянными серверами.

Порт у каждого запуска свой. После нового запуска поменяйте одну строку Port, остальное остаётся.

Шаг 3. Подключитесь из VS Code

  1. Установите расширение Remote - SSH (от Microsoft).
  2. Нажмите F1 и выберите Remote-SSH: Connect to Host…, затем gpu.
  3. При первом подключении VS Code спросит платформу, выберите Linux.
  4. Подождите 30–60 секунд: на сервер ставится VS Code Server.
  5. File → Open Folder → /workspace.

В левом нижнем углу появится зелёная плашка «SSH: gpu»: вы на сервере. Откройте терминал (меню Terminal → New Terminal) и выполните nvidia-smi.

Расширения на сервере

Расширения, которые работают с кодом, нужно установить на удалённую сторону. Во вкладке Extensions у каждого установленного расширения появится кнопка Install in SSH: gpu. Обычно нужны:

  • Python и Pylance — автодополнение и проверка типов;
  • Jupyter — для ноутбуков;
  • линтер или форматтер, которым вы пользуетесь.

Чтобы не ставить их каждый раз, перечислите в настройках remote.SSH.defaultExtensions, и VS Code поставит их автоматически при каждом новом подключении.

Шаг 4. Проброс портов

Всё, что запускается на сервере с веб-интерфейсом (TensorBoard, Gradio, Streamlit, ComfyUI, API модели), открывается у вас в браузере через проброс портов.

VS Code делает это сам: когда процесс в терминале начинает слушать порт, появляется уведомление «Your application is running on port…». Нажмите Open in Browser. Список пробросов лежит во вкладке Ports нижней панели, там же можно добавить порт вручную.

Что запускаете Порт по умолчанию Адрес у вас
TensorBoard 6006 http://localhost:6006
Gradio 7860 http://localhost:7860
Streamlit 8501 http://localhost:8501
ComfyUI 8188 http://localhost:8188
vLLM, OpenAI-совместимый API 8000 http://localhost:8000/v1

Порт проходит по тому же SSH-соединению через шлюз, поэтому наружу ничего открывать не нужно.

Шаг 5. Jupyter-ноутбуки в VS Code

Откройте .ipynb в папке на сервере, в правом верхнем углу нажмите Select Kernel и выберите Python этой машины. Ячейки выполняются на GPU сервера.

Плюсы перед Jupyter в браузере: автодополнение Pylance, переход к определению функции, отладчик по ячейкам, сравнение версий в git. Минус один: при обрыве связи вывод долгой ячейки может потеряться. Длинное обучение лучше запускать скриптом в tmux, а ноутбук использовать для экспериментов и анализа.

Отладка на GPU

Отладчик VS Code работает на сервере как локальный: точки останова, просмотр тензоров, условные остановы. Создайте launch.json с конфигурацией Python и запускайте по F5.

Полезные приёмы:

  • Отлаживайте на маленьком батче. Ошибка формы тензора проявится на первом шаге, ждать эпоху не нужно.
  • CUDA_LAUNCH_BLOCKING=1 в переменных окружения конфигурации: ошибки CUDA будут указывать на реальную строку, а не на случайное место ниже.
  • Окно с watch -n 2 nvidia-smi во втором терминале: видно память и загрузку карты в реальном времени.

Сколько стоит день разработки

Разработка состоит из часов, когда вы пишете и читаете код, а карта почти не работает. Поэтому для неё нужна дешёвая карта, а дорогая — только для финального прогона.

стоимость = цена часа × часы, пока сервер запущен

Карта Цена, ₽/час День разработки, 6 часов Неделя, 5 дней
RTX 3060 12 ГБ 13 78 ₽ 390 ₽
RTX 3090 24 ГБ 34 204 ₽ 1 020 ₽
RTX 4090 24 ГБ 54 324 ₽ 1 620 ₽
A100 80 ГБ 154 924 ₽ 4 620 ₽
H100 277–329 1 662–1 974 ₽ 8 310–9 870 ₽

Типичная схема: пишете и отлаживаете код на RTX 3090 на маленькой модели и части данных, затем запускаете полный прогон на A100 или H100 скриптом, без открытого редактора. Подробнее про карту для разработки — на странице аренда RTX 3090.

Привычки, которые экономят деньги

Код — в git, а не на сервере. Диск удаляется при остановке. Пушьте в репозиторий перед каждой паузой, а на новом сервере начинайте с git clone. VS Code умеет работать с git на удалённой стороне: вкладка Source Control работает как обычно.

Закрытие VS Code не останавливает сервер. Минуты идут, пока машина запущена. Останавливайте её в кабинете.

Уведомление о простое считает Jupyter, а не VS Code. Если сервер работает больше 2 часов, а карта не загружена и в Jupyter нет активности, придёт подсказка в кабинет, Telegram и на почту. Работа только через VS Code для этой проверки выглядит как простой, так что не удивляйтесь уведомлению, но и не игнорируйте его, если вы действительно ушли.

Окружение — в Docker-образе. Если каждый день ставите одни и те же библиотеки, соберите свой образ. На Тераферме можно запустить любой публичный образ из Docker Hub или GitHub Container Registry. Сэкономите 5–15 минут на каждом запуске.

Данные — заранее в хранилище. Датасет на десятки гигабайт быстрее скачать на сервер из S3-совместимого хранилища, чем заливать с домашнего канала при запущенной машине. Способы и скорости разобраны в статье как загрузить датасет на сервер с GPU.

Частые проблемы

  • «Could not establish connection». Проверьте, что команда ssh gpu работает из терминала. Если нет, дело в ключе или порте, а не в VS Code.
  • Подключение висит на «Installing VS Code Server». Серверу нужен доступ в интернет для загрузки компонента. Подождите пару минут или переподключитесь.
  • Pylance не видит библиотеки. Выберите интерпретатор Python на сервере: F1 → Python: Select Interpreter.
  • Порт не открывается. Убедитесь, что приложение слушает 0.0.0.0 или 127.0.0.1 на сервере, и добавьте порт вручную во вкладке Ports.
  • Медленно работает поиск по файлам. Исключите из поиска папки с данными и чекпойнтами через files.watcherExclude и search.exclude, иначе VS Code индексирует гигабайты.

VS Code Remote SSH остаётся самым удобным способом работать с арендованной GPU, если вы привыкли к IDE: код, терминал, отладчик и ноутбуки выполняются на сервере, а у вас — привычный редактор. Настройка сводится к расширению и нескольким строкам в ~/.ssh/config. Деньги экономят три привычки: разработка на дешёвой карте, код в git и остановка сервера сразу после работы.

Запустите RTX 3090 в аренду на час, подключите VS Code и проверьте свой проект на удалённой карте.

Вопросы по теме

Как подключить VS Code к арендованной GPU?

Установите расширение Remote - SSH, добавьте сервер в файл ~/.ssh/config с адресом, портом и ключом из карточки сервера и выберите его в команде Remote-SSH: Connect to Host. VS Code сам поставит свой серверный компонент, и через минуту вы откроете папку /workspace на сервере.

Где выполняется код при работе через Remote SSH?

На сервере. Локально работает только интерфейс редактора. Терминал, Python, отладчик, расширения вроде Pylance и Jupyter-ядро запускаются на арендованной машине и видят её видеокарту.

Можно ли открывать Jupyter-ноутбуки в VS Code на удалённой GPU?

Да. Установите расширения Python и Jupyter на удалённой стороне, откройте файл .ipynb в папке на сервере и выберите ядро Python этой машины. Ноутбук выполняется на GPU сервера, а вы работаете в привычном интерфейсе VS Code.

Списываются ли деньги, если закрыть VS Code?

Да. Закрытие редактора не останавливает сервер. Списание идёт поминутно, пока сервер запущен, поэтому останавливайте его в кабинете кнопкой «Остановить и завершить оплату». Перед этим запушьте код и выгрузите результаты — диск удаляется при остановке.

Читайте также

Эмбеддинги на GPU: сколько стоит проиндексировать базу знаний для RAG

Эмбеддинги на GPU: 400 тыс. фрагментов по 512 токенов bge-m3 считает на RTX A6000 примерно за 25 минут. Формула, выбор модели и карты, цена индексации базы знаний.

Jupyter на арендованной GPU: 12 приёмов, чтобы не терять время и деньги

Jupyter на удалённом сервере с GPU: 12 приёмов — от проверочной ячейки до tmux, освобождения видеопамяти и уведомлений. Каждый экономит от минут до часов оплаты.

Аренда GPU для рендеринга в Blender: быстрее и дешевле

Аренда GPU для рендеринга в Blender от 34 ₽/час: Cycles с OptiX на RTX 3090, 4090 и 5090, рендер из командной строки, расчёт стоимости анимации.

Как оплатить аренду GPU из России в 2026: карта РФ, криптовалюта, посредники

Как платить за аренду GPU из России: 4 способа с комиссиями и рисками. В Тераферме баланс в рублях, пополнение картой российского банка или USDT и BTC от 500 ₽.

Подберите GPU

Все видеокарты каталога с поминутной оплатой в рублях.