欢迎来到酷客淘,为站长提供交易担保服务 访问移动版
酷客淘

AI帮你写Python,安装只需5步,还能任你调教 | 开源

日期: 2019-07-10 09:12:05 人气: -

在机器学习的时代,AI智能补全代码早已不是梦想,各种IDE和插件都在努力帮助程序猿减少击键次数,延长键盘寿命(雾。


有位来自斯里兰卡的程序猿也加入了关爱键盘协会,他尝试用简单的深度学习模型来实现自动补全Python代码这个目标,效果意外的不错。该项目现已开源!


简单的模型也强大


抱着实验的心态,在这个项目中,斯里兰卡小哥用到的只是一个简单的LSTM(Long Short-Term Memory)模型。


用来进行预测的算法是集束搜索(beam search),这是一种启发式图搜索算法。在进行每一步深度扩展时,集束搜索仅保留一些质量较高的节点,减少空间消耗,提高时间效率。采用集束搜索算法最多可以实现10个字符的预测。


而投喂给模型的数据是标记化的Python代码,这些代码里的注释、字符串和空行事先清理掉了。


训练效果是这样的:


绿色的字母就是自动补全开始的位置,按下TAB键选择补全,高亮标注为灰色的部分就是AI补充的代码。


小哥表示,如此简单的模型下,使用深度学习来自动补全Python代码,仍可以减少30-50%的击键次数,真的是surprise!


在GitHub上,小哥提供了一个Python的解析器,而只要写一个其他语言的解析器,这个方案完全可以推广到其他语言上,实现Java自动补全,C自动补全等等。


使用方法


想要亲测一下效果?


没问题,只需五步,你就可以训练自己的自动补全模型。



1、安装进行机器学习的实验环境(lab,地址见文末)。


2、将数据复制到 ./data/source。


3、运行 extract_code.py 来收集所有的python文件,编码并将其合并到 all.py。


4、运行 evaluate.py 对模型进行评估。


5、运行 train.py 训练模型。


仍需成长


方法简单,效果还挺好,听上去这个项目很有潜力啊。不过理想很丰满,现实还是有点骨感的。这个新生的AI还是面临着许多成长挑战的。


挑战一:效率太低


首先是它的性能尚未能满足实际使用的需要。由于编辑集成器的限制,集束搜索算法效率低下,有等它补全代码的时间,手动都可以敲好几行代码了。


对此斯里兰卡小哥表示,下一步他们会尝试用不同的架构来提高推理性能,也欢迎大家向他们分享想法和建议。


挑战二:前辈强大


Reddit网友们还指出,用机器学习来补全代码这个想法早已有比较成功的实现方案,比如获得了Trith Ventures投资的Kite。