摘要： 介紹一個優秀代碼自動補全工具庫。
近日，Reddit 上的一篇帖子引起了網友的熱議。帖子作者「mlvpj」稱：
「我們使用深度學習完成了一個簡單的項目，可以自動進行 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，如果和真實的代碼匹配，則節省 L - 1 個鍵入操作。實驗結果說明，大約可 以節省 30%-50% 的 時間鍵入成本 。
作者在帖子中表示，他們接下來會嘗試不同的架構，並提高推斷的表現。而現在的模型推斷很慢，不能實際使用。作者已在 GitHub 開源了項目代碼：
鏈接地址: https://github.com/vpj/python_autocomplete
在項目開發中，優秀的代碼自動補全工具可以提升工作效率。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，顯示出非常有潛力的效果。
我們知道很多 IDE 提供自動補全功能，這款工具又有什麼區別呢？
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）等不同。IDE 補全基於檢索方法，需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 會分析補全使用情況，並提供當前位置可能的選擇。如果是對空間、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他補全功能，但基本上都需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/help/pycharm/auto-completing-code.html
網友評價
項目開源後，有些網友對作者提出了質疑：
「我們已經有很多很好用的自動補全工具了，比如 kite（一個可以在 IDE 上使用的插件），爲什麼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，其實不一定要用 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。這樣能大大提升推斷速度，集成到 IDE 中也就有了可能。