Code Autocomplete Distilgpt2 Python

🚀 GPT2代碼自動補全模型

GPT2代碼自動補全模型是一款用於Python的代碼補全插件。它藉助GPT2模型，能夠自動完成行級和塊級代碼的補全，極大地提升了代碼編寫的效率。

🚀 快速開始

開源倉庫：code-autocomplete，支持GPT2模型，使用方法如下：

💻 使用示例

基礎用法

from autocomplete.gpt2_coder import GPT2Coder

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

高級用法

也可以使用huggingface/transformers庫：

⚠️ 重要提示

請使用 'GPT2' 相關函數加載此模型！

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)

輸出示例：

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

模型文件結構

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

📚 詳細文檔

訓練數據

PyTorch優質項目源代碼

下載 code-autocomplete，執行以下命令：

cd autocomplete
python create_dataset.py

如果你想訓練代碼自動補全的GPT2模型，請參考 https://github.com/shibing624/code-autocomplete/blob/main/autocomplete/gpt2_coder.py

關於GPT2

在此測試完整的生成能力：https://transformer.huggingface.co/doc/gpt2-large

GPT2是使用因果語言建模（CLM）目標在英語語言上進行預訓練的模型。它在 這篇論文 中被提出，並首次在 此頁面 發佈。

免責聲明：發佈GPT - 2的團隊也為其模型撰寫了 模型卡片。Hugging Face團隊對該模型卡片的內容進行了補充，以完善他們提供的信息並給出具體的偏差示例。

📄 許可證

本項目採用Apache-2.0許可證。

📚 引用

@misc{code-autocomplete,
  author = {Xu Ming},
  title = {code-autocomplete: Code AutoComplete with GPT model},
  year = {2022},
  publisher = {GitHub},
  journal = {GitHub repository},
  url = {https://github.com/shibing624/code-autocomplete},
}