代码补全快餐教程(1) - 30行代码见证奇迹

下面是我用30多行代码，包含了很多空行和注释的代码写成的代码补全模型。我们先看看效果吧。

补全效果案例

先来看个比较普通的(Python, Keras)

已知：

y_train = keras.utils.to_categorical(y_train, num_classes)\ny_test = keras.

补全之后是这样的：

y_train = keras.utils.to_categorical(y_train, num_classes)
y_test = keras.utils.to_categorical(y_test, num_classes)

算法能够知道把括号中的y_train换成y_test

再看一个把我感动哭了的(Typescript, vscode)

输入如下：

text = "let disposable_begin_buffer = vscode.commands.registerCommand('extension.littleemacs.beginningOfBuffer',\nmove.beginningOfBuffer);\nlet disposable_end_buffer = vscode.commands."

输出是这样的：

let disposable_begin_buffer = vscode.commands.registerCommand('extension.littleemacs.beginningOfBuffer',move.beginningOfBuffer);
let disposable_end_buffer = vscode.commands.registerCommand('extension.littleemacs.endendOfBuffer',move.endendOfBuffer);

请注间这其中的难度，变量定义中用的是begin，而extension和move中用的都是beginning，算法能将其换成endend而保持OfBuffer不变。

函数的补全(Java)

输入如下：

public class Issue {\nprivate Long id;\nprivate String filename;\nprivate Long lineNum;\nprivate String issueString;\npublic Long getId() {

输出如下：

public class Issue {private Long id;
private String filename;
private Long lineNum;
private String issueString;
public Long getId() { return id; }

对于IntellJ IDEA来说这不算什么，但是对于完全不懂Java语言的文本模型，隔着几行其它变量能把return id给补全出来还是很了不起的

能看懂循环(Java, Android)

题目取自Android源代码：final int N = a.getIndexCount();\nfor (int i = 0; i < N; i++) {\nint index = a.

补全结果如下：

final int N = a.getIndexCount();
for (int i = 0; i < N; i++) {int attr = a.getAttribute(i);

从上下文看，鬼知道a是个啥类型，但是这个模型可以根据变量attr猜出来getAttribute。

话说我的attr想用a.getIndex获取怎么办？不用重新训练了，给模型写个例子就好了：

输入如下：

int attr = a.getIndex(i);\nfor (int i = 0; i < N; i++) {\nint attr = a.

补全的结果就是这样了：

int attr = a.getIndex(i);
for (int i = 0; i < N; i++) {int attr = a.getIndex(i);

还会给变量名做加法！(Python, Keras)

输入如下：

tower_1 = Conv2D(64, (1, 1), padding='same', activation='relu')(input_img)\ntower_1 = Conv2D(

见证奇迹的时刻到了：

tower_1 = Conv2D(64, (1, 1), padding='same', activation='relu')(input_img) tower_2 = Conv2D(64

也就是补完tower_1之后，算法不过瘾开始命名了一个tower_2继续补！
这对卷积一写好多层太方便了有没有?

这个加法对于变量名管用，对于下标变量也有效。
我们再来看个例子：

x_train = x_train.reshape(x_train.shape[0], 1, img_rows, img_cols)

不管是用y_train还是x_test做补全时，shape后面的[0]就会被加1变成[1]，在这里是不适用的，补完了需要手工补一下。

多语言支持 (common lisp)

为了证明不是针对Java和Python做的特殊优化，我们来个lisp的例子看下：

text = '(progn (setq a (func1 0)) (setq b'

输出如下：

(progn (setq a (func1 0)) (setq b (func2 0)) (setq c (func3 0)) (setq d (func4 0))

不但知道func1加1变func2，setq的变量，也从b变成c,d以此类推。

30行代码创造奇迹

上面这样神奇的功能，我们借助最新的神经网络自然处理的工具，只有30多行代码就可以搞定：

import torch
from transformers import GPT2Tokenizer, GPT2LMHeadModel# 加载词汇表
tokenizer = GPT2Tokenizer.from_pretrained('gpt2')# 输入待补全的文本
text = 'int idx = a.getIndex(i);\nfor (int i = 0; i < N; i++) {\nint attr = a.'
predicted_text = text# 加载模型中预训练好的权值
model = GPT2LMHeadModel.from_pretrained('gpt2')# 每一个只能补一个token出来，补一句话需要多次，30次是我拍脑袋的
for i in range(0,30):# 以上次预测结果作为本次的输入，所谓的自回归indexed_tokens = tokenizer.encode(predicted_text)# 将读出的索引标记转化成PyTorch向量tokens_tensor = torch.tensor([indexed_tokens])# 设置为eval模式，这样就不会执行训练模式下的Dropout过程model.eval()# 使用GPU进行加速，诚实地讲速度不太快tokens_tensor = tokens_tensor.to('cuda')model.to('cuda')# 进行推理with torch.no_grad():outputs = model(tokens_tensor)predictions = outputs[0]# 获取预测的下一个子词predicted_index = torch.argmax(predictions[0, -1, :]).item()# 解码成我们都读懂的文本predicted_text = tokenizer.decode(indexed_tokens + [predicted_index])# 打印输入结果print(predicted_text)

用来自动写作

其实，上面所用的gpt-2模型，并不是给代码补全用的，用来自动写点的东西到时它的本业。

比如大家可以试试，给“To be or not to be"补全下，我的结果如下“To be or not to be, the only thing that matters is that you’re a good person.”
再比如“I have a dream that one day”，我的结果如下“I have a dream that one day I will be able to live in a world where I can be a part of something bigger than myself.”

如果不想写代码的话，可以直接在https://transformer.huggingface.co/doc/gpt2-large中去直接试验。
如下图所示，写代码写文字都可以：

安装环境

如果想试用上面的代码的话，只需要安装transformers库就好了。

pip install transformers

另外，transformers库依赖PyTorch或Tensorflow之一，我们上面的代码是基于PyTorch的，还需要安装一下PyTorch：

pip3 install torch torchvision

在Windows下安装命令稍有不同，需要指定版本号，例：

pip3 install torch===1.3.0 torchvision===0.4.1 -f https://download.pytorch.org/whl/torch_stable.html