你是成熟的 AI 了，應該本身學會補全代碼

在項目開發中，優秀的代碼自動補全工具能夠提高工做效率。然而，近來的 IDE 基本都使用搜索方法進行補全，在一些場景下效果不佳。

近日，有開源項目用深度學習模型進行代碼補全，顯示出很是有潛力的效果。

近日，Reddit 上的一篇帖子引發了網友的熱議。帖子做者「mlvpj」稱：

「咱們使用深度學習完成了一個簡單的項目，能夠自動進行 Python 代碼補全。」

根據介紹，該項目基於 LSTM 模型，訓練後，負責對代碼的缺失部分進行補全。評價模型的方法是判斷節省了多少的按鍵信息——即模型給出長度爲 L 的代碼建議，若是和真實的代碼匹配，則節省 L - 1 個鍵入操做。實驗結果說明，大約有 30%-50% 的鍵入成本能夠節省下來。

做者在帖子中表示，他們接下來會嘗試不一樣的架構，並提升推斷的表現。而如今的模型推斷很慢，不能實際使用。做者已在 GitHub 開源了項目代碼：

連接地址: https://github.com/vpj/python...

和 IDE 的自動補全有什麼區別

該項目對 Python 代碼的自動補全與傳統 IDE（如 PyCharm）等不一樣。IDE 補全基於檢索方法，須要從已有代碼中進行搜索。

以 PyCharm 中的基本補全（Basic Completion）方法爲例。基本補全可幫助補全可見區域的類、方法、關鍵詞代碼。使用時，PyCharm 會分析補全使用狀況，並提供當前位置可能的選擇。若是是對空間、參數或變量聲明進行補全，則 PyCharm 會基於類別提供一系列可能的命名。

當出現已定義的類、函數、模塊和變量時，基本補全就會啓動。

此外，PyCharm 也提供智能補全等其餘補全功能，但基本上都須要對已有文本進行搜索，根據位置和類型判斷補全的方法。這些方法都沒有配置機器學習模型。

Pycharm 的自動補全介紹：https://www.jetbrains.com/hel...

深度學習怎樣腦補缺失 TF 代碼

最經常使用的 PyCharm 自動補全也能省不少功夫，但它須要 IDE 能檢索到你的代碼文件或庫，並且補全會提供多個可能的選項。可是在本項目實驗的工具中，LSTM 會根據上下文語義肯定最可能調用的函數，所以它能節省更多的成本。做者表示若是使用束搜索，那麼一次能預測 10 多個字符，不過這樣對於實際使用仍是有點低效。

在訓練深度補全模型前，咱們須要先創建訓練集。開發者會在清洗評論、標註和空行後，構建比較乾淨的 Python 代碼。而後，模型會在這些數據上進行訓練與預測。在數據預處理上，開發者發現經過 tokenizing Python 代碼，模型效果比經過 BPE 編碼的字符級預測效果還要好。做者提供了一個簡單的預訓練模型，它是在整個 TensorFlow 項目的 models 代碼中訓練的。

下圖就是做者在驗證集中測試的驗證樣本。綠色的字符表示自動補全的起始位置，用戶須要按下 Tab 鍵選擇開始補全。綠色及後面高亮的灰色字符是自動補全的結果。

如上所示爲驗證樣本中的自動補全效果。與代碼生成相似，粗略看起來，彷佛效果很是不錯，但實際上會有不少不合理的地方。不過有意思的是，自動補全中全部字符串都只有一個佔位操做，這也是很是合理的處理方法。

樣本中自動補全的起始和結束位置都是隨機的，也就是說代碼可能補全到「tensorfl」就結束了，並不會補全完整的標識符「tensorflow」。這在實際場景中用處很是有限，所以做者將生成結束位置限制爲終止 token 而修復問題。目前自動補全能完成多種 operator，且當咱們增長束搜索的長度時，它完成的代碼長度會更多。

整個模型的主體都是 LSTM，它在 TensorFlow 模型代碼庫訓練後能捕捉很是豐富的 TensorFlow API。以下所示爲自動補全模型的主體代碼，基本上簡單的一個 LSTM 就能搞定：

網友評價

項目開源後，有些網友對做者提出了質疑：

「咱們已經有不少很好用的自動補全工具了，好比 kite（一個能夠在 IDE 上使用的插件），爲何還要費心搞個機器學習模型？」

在討論中，有人提出，一些無良的自動補全工具會悄悄上傳代碼到他們的服務器中，（而自行訓練的深度學習模型不存在這個問題）。

也有人提出，其實不必定要用 LSTM 模型，隱馬爾科夫模型在處理序列數據上效果也很好。

此外，也有網友建議使用 CuDNN 加速 LSTM 的推斷過程。這樣能大大提高推斷速度，集成到 IDE 中也就有了可能。

讀者福利限時分享

Android開發資料+面試架構資料 免費分享 點擊連接 便可領取

《Android架構師必備學習資源免費領取（架構視頻+面試專題文檔+學習筆記）》