提前知道几点：

1.使用的MobaXterm软件
2.访问本地、远程服务器，需要账号和密码（远程机器上的用户名和密码
远程机器的 IP 地址或主机名（在同一子网上））。每次访问需要输入密码，可以搜Ubuntu SSH 免密登录
3.主要是先要访问本地服务器，才能访问远端服务器，显卡装在远端服务器上。跑深度学习时，先上传到本地，在复制到远端。如果训练完成，参数文件在传到本地。

如果还不会使用MobaXterm可参考这链接使用
使用MobaXterm连接服务器并利用Anaconda进行安装pytoch框架跑深度学习模型（使用学校服务器+显卡进行深度学习）

如果你想使用服务器跑深度学习模型可参考这链接
使用MobaXterm连接服务器并利用Anaconda进行pytoch环境跑深度学习模型LeNet-5分类

4种方式通过 SSH 传输文件

1.scp：已弃用的旧命令
2.rsync：用于文件同步的流行命令
3.sshfs：通过 SSH 挂载远程目录
4.sftp 客户端：通过 SFTP 访问文件的 GUI 工具

1、scp指令（指令都在本地服务器输入）

（1）本地到远端：本地运行

scp -r 文件目录 账户名@远端IP:远端目录（指令pwd查看远端目录路径）

scp 文件名 账户名@远端IP:远端目录（指令pwd查看远端目录路径）

%%没传输前，查看远端目录文件情况
wlc@hz-A100-40:/data/WLC/WKL$ ls
carb_classfication  deep-learning-for-image-processing-master  deep-learningfor-image-processing-master.zip  zjdata%%传送文件夹是carb，详细指令
wlc@hz-jumper:~$ scp -r "/home/wlc/WKL/carb/" wlc20222022@172.20.198.3:/data/WLC/WKL %%查看传输成功
wlc@hz-A100-40:/data/WLC/WKL$ ls
carb  carb_classfication  deep-learning-for-image-processing-master  deep-learning-for-image-processing-master.zip  zjdata

%%这里我把anaconda传过去
scp -r "/home/wlc2021388321/Anaconda3-2023.07-0-Linux-x86_64.sh" wlc2021388321@172.20.198.3:/data/WLC/

（2）远端到本地：远端运行

scp -r 账户名@远端IP:远端目录 本地目录

wlc@hz-jumper:~$ scp -r wlc20222022@172.20.198.3:/data/WLC/WKL/carb/Test2_alexnet "/home/wlc2021388321/WKL/"
1.jpg                                                                                                   100% 1400KB  96.1MB/s   00:00
predict1.py                                                                                             100% 1518     5.4MB/s   00:00
3.jpg                                                                                                   100%   21KB  37.9MB/s   00:00
train.py                                                                                                100% 4977    15.9MB/s   00:00
model.py                                                                                                100% 2061     6.6MB/s   00:00
model.cpython-38.pyc                                                                                    100% 1727     3.7MB/s   00:00
model.cpython-39.pyc                                                                                    100% 1749     4.2MB/s   00:00
Test2_alexnet.iml                                                                                       100%  340   828.8KB/s   00:00
.gitignore                                                                                              100%   50   132.1KB/s   00:00
misc.xml                                                                                                100%  308   879.6KB/s   00:00
.name                                                                                                   100%    8    23.6KB/s   00:00
modules.xml                                                                                             100%  285   819.8KB/s   00:00
workspace.xml                                                                                           100% 6342    17.1MB/s   00:00
profiles_settings.xml                                                                                   100%  174   738.5KB/s   00:00
Project_Default.xml                                                                                     100% 1504     2.5MB/s   00:00
predict.py                                                                                              100% 1911     7.6MB/s   00:00
2.jpg      ##从远端传输到本地
wlc@hz-jumper:~$ ls
b  c  snap  wanghao  WKL
wlc@hz-jumper:~$ cd WKL
wlc@hz-jumper:~/WKL$ ls
carb  Test2_alexnet  zj4