语言:

• 英文 标签:
• 代码
• 自动补全
• PyTorch
• 英文 许可证: Apache-2.0 库名称: transformers 任务标签: 文本生成 小部件示例:
  • 文本: import torch.nn as

代码自动补全GPT2模型

专为Python设计的代码智能补全插件。

code-autocomplete 能够基于GPT2模型实现代码行与代码块的智能自动补全。

使用方式

开源仓库地址：code-autocomplete，支持GPT2模型，使用方法：

from autocomplete.gpt2_coder import GPT2Coder

m = GPT2Coder("shibing624/code-autocomplete-distilgpt2-python")
print(m.generate('import torch.nn as')[0])

也可直接使用huggingface/transformers库：

请使用'GPT2'相关函数加载本模型！

import os
from transformers import GPT2Tokenizer, GPT2LMHeadModel

os.environ["KMP_DUPLICATE_LIB_OK"] = "TRUE"

tokenizer = GPT2Tokenizer.from_pretrained("shibing624/code-autocomplete-distilgpt2-python")
model = GPT2LMHeadModel.from_pretrained("shibing624/code-autocomplete-distilgpt2-python")

prompts = [
    """from torch import nn
    class LSTM(Module):
        def __init__(self, *,
                     n_tokens: int,
                     embedding_size: int,
                     hidden_size: int,
                     n_layers: int):""",
    """import numpy as np
    import torch
    import torch.nn as""",
    "import java.util.ArrayList",
    "def factorial(n):",
]
for prompt in prompts:
    input_ids = tokenizer.encode(prompt, add_special_tokens=False, return_tensors='pt')
    outputs = model.generate(input_ids=input_ids,
                             max_length=64 + len(prompt),
                             temperature=1.0,
                             top_k=50,
                             top_p=0.95,
                             repetition_penalty=1.0,
                             do_sample=True,
                             num_return_sequences=1,
                             length_penalty=2.0,
                             early_stopping=True)
    decoded = tokenizer.decode(outputs[0], skip_special_tokens=True)
    print(decoded)
    print("=" * 20)

输出示例：

from torch import nn
    class LSTM(Module):
        def __init__(self, *,
                     n_tokens: int,
                     embedding_size: int,
                     hidden_size: int,
                     n_layers: int):
            self.embedding_size = embedding_size
====================
import numpy as np
import torch
import torch.nn as nn
import torch.nn.functional as F

模型文件结构：

code-autocomplete-distilgpt2-python
├── config.json
├── merges.txt
├── pytorch_model.bin
├── special_tokens_map.json
├── tokenizer_config.json
└── vocab.json

训练数据

PyTorch优质项目源代码

下载code-autocomplete后执行：

cd autocomplete
python create_dataset.py

如需训练自定义的code-autocomplete GPT2模型，请参考：https://github.com/shibing624/code-autocomplete/blob/main/autocomplete/gpt2_coder.py

关于GPT2

完整生成能力测试地址: https://transformer.huggingface.co/doc/gpt2-large

该模型采用因果语言建模(CLM)目标在英文语料上预训练，首次发表于这篇论文，并在此页面发布。

免责声明：GPT-2研发团队同时发布了模型卡片。本卡片内容由Hugging Face团队补充撰写，旨在提供更完整的偏差示例说明。

引用文献

@misc{code-autocomplete,
  author = {徐明},
  title = {code-autocomplete: 基于GPT模型的代码自动补全工具},
  year = {2022},
  publisher = {GitHub},
  journal = {GitHub仓库},
  url = {https://github.com/shibing624/code-autocomplete},
}