原文：https://blog.csdn.net/qq_4320...摘要：介绍一个优秀的代码自动补全工具库。近日，Reddit上的一则帖子引起网友热议。帖子“mlvpj”的作者说：“我们用深度学习完成了一个可以自动完成Python代码的简单项目。”据介绍，该项目基于LSTM模型。训练完成后，它负责补全代码中缺失的部分。评估模型的方法是判断保存了多少击键信息——即模型建议长度为L的代码，如果与真实代码匹配，则节省L-1次打字操作。实验结果表明，大约可以节省30%-50%的时间打字成本。作者在帖子中表示，他们接下来会尝试不同的架构，提高推理性能。然而，目前的模型推理速度太慢，无法实际使用。作者已经在GitHub上开源了项目代码：链接地址：https://github.com/vpj/python_autocomplete在项目开发中，优秀的代码自动补全工具可以提高工作效率。但是最近的IDE基本都是使用search的方式补全，在某些场景下效果不是很好。最近，一些开源项目使用深度学习模型来完成代码，显示出非常有希望的结果。我们知道很多IDE都提供了自动补全的功能，那么这个工具有什么区别呢？与IDE的自动补全有什么区别项目对Python代码的自动补全与传统的IDE（如PyCharm）不同。IDE补全是基于搜索的方法，需要从已有代码中搜索。以PyCharm中的BasicCompletion方法为例。基本补全可以帮助补全可见区域的类、方法、关键字代码。使用时，PyCharm会分析补全用法并在当前位置提供可能的选择。如果您要完成空格、参数或变量声明，PyCharm将根据类别提供一系列可能的名称。当定义的类、函数、模块和变量出现时，基本完成就会启动。此外，PyCharm还提供了智能补全等其他补全功能，但基本上都是需要搜索已有的文本，根据位置和类型判断补全方式。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/hel...网友评论该项目开源后，有网友质疑作者：“我们已经有很多好用的自动补全工具了，比如,kite（一个可以在IDE上使用的插件），何苦构建机器学习模型呢？”在讨论中，有人提出一些无良的自动补全工具会悄悄上传代码到他们的服务器，（自训练的深度学习模型没有这个问题）。也有人提出没有必要使用LSTM模型，隐马尔可夫模型在处理序列数据方面也很有效。另外，有网友建议使用CuDNN来加速LSTM的推理过程。这样可以大大提高推理速度，并有可能集成到IDE中。您对使用深度学习自动完成代码有何看法？欢迎朋友们留言评论。如果有帮助，请点赞+转发分享。欢迎大家关注米公公的公众号：米公公的技术之路
