「我们使用深度学习完成了一个简单的项目，可以自动进行 Python 代码补全。」

根据介绍，该项目基于 LSTM 模型，训练后，负责对代码的缺失部分进行补全。评价模型的方法是判断节省了多少的按键信息——即模型给出长度为 L 的代码建议，如果和真实的代码匹配，则节省 L - 1 个键入操作。实验结果说明，大约有 30%-50% 的键入成本可以节省下来。

作者在帖子中表示，他们接下来会尝试不同的架构，并提高推断的表现。而现在的模型推断很慢，不能实际使用。作者已在 GitHub 开源了项目代码：

链接地址: https://github.com/vpj/python_autocomplete

和 IDE 的自动补全有什么区别

该项目对 Python 代码的自动补全与传统 IDE（如 PyCharm）等不同。IDE 补全基于检索方法，需要从已有代码中进行搜索。

以 PyCharm 中的基本补全（Basic Completion）方法为例。基本补全可帮助补全可见区域的类、方法、关键词代码。使用时，PyCharm 会分析补全使用情况，并提供当前位置可能的选择。如果是对空间、参数或变量声明进行补全，则 PyCharm 会基于类别提供一系列可能的命名。

当出现已定义的类、函数、模块和变量时，基本补全就会启动。

此外，PyCharm 也提供智能补全等其他补全功能，但基本上都需要对已有文本进行搜索，根据位置和类型判断补全的方法。这些方法都没有配置机器学习模型。

Pycharm 的自动补全介绍：https://www.jetbrains.com/help/pycharm/auto-completing-code.html

深度学习怎样脑补缺失 TF 代码

最常用的 PyCharm 自动补全也能省很多功夫，但它需要 IDE 能检索到你的代码文件或库，而且补全会提供多个可能的选项。但是在本项目实验的工具中，LSTM 会根据上下文语义确定最可能调用的函数，因此它能节省更多的成本。作者表示如果使用束搜索，那么一次能预测 10 多个字符，不过这样对于实际使用还是有点低效。

在训练深度补全模型前，我们需要先建立训练集。开发者会在清洗评论、标注和空行后，构建比较干净的 Python 代码。然后，模型会在这些数据上进行训练与预测。在数据预处理上，开发者发现通过 tokenizing Python 代码，模型效果比通过 BPE 编码的字符级预测效果还要好。作者提供了一个简单的预训练模型，它是在整个 TensorFlow 项目的 models 代码中训练的。

下图就是作者在验证集中测试的验证样本。绿色的字符表示自动补全的起始位置，用户需要按下 Tab 键选择开始补全。绿色及后面高亮的灰色字符是自动补全的结果。

如上所示为验证样本中的自动补全效果。与代码生成类似，粗略看起来，似乎效果非常不错，但实际上会有很多不合理的地方。不过有意思的是，自动补全中所有字符串都只有一个占位操作，这也是非常合理的处理方法。

样本中自动补全的起始和结束位置都是随机的，也就是说代码可能补全到「
tensorfl」就结束了，并不会补全完整的标识符「tensorflow」。这在实际场景中用处非常有限，因此作者将生成结束位置限制为终止 token 而修复问题。目前自动补全能完成多种 operator，且当我们增加束搜索的长度时，它完成的代码长度会更多。

整个模型的主体都是 LSTM，它在 TensorFlow 模型代码库训练后能捕捉非常丰富的 TensorFlow API。如下所示为自动补全模型的主体代码，基本上简单的一个 LSTM 就能搞定：

QtaW1hZ2VzLmppYW5zaHUuaW8vdXBsb2FkX2ltYWdlcy8xNTIzNDI3OS1lZDAxYjY3MjY1Y2RlNGM3)