Code Autocomplete Distilgpt2 Python

🚀 GPT2代码自动补全模型

GPT2代码自动补全模型是一款用于Python的代码补全插件。它借助GPT2模型，能够自动完成行级和块级代码的补全，极大地提升了代码编写的效率。

🚀 快速开始

开源仓库：code-autocomplete，支持GPT2模型，使用方法如下：

💻 使用示例

基础用法

from autocomplete.gpt2_coder import GPT2Coder

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

高级用法

也可以使用huggingface/transformers库：

⚠️ 重要提示

请使用 'GPT2' 相关函数加载此模型！

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)

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

📚 详细文档

训练数据

PyTorch优质项目源代码

下载 code-autocomplete，执行以下命令：

cd autocomplete
python create_dataset.py

如果你想训练代码自动补全的GPT2模型，请参考 https://github.com/shibing624/code-autocomplete/blob/main/autocomplete/gpt2_coder.py

关于GPT2

在此测试完整的生成能力：https://transformer.huggingface.co/doc/gpt2-large

GPT2是使用因果语言建模（CLM）目标在英语语言上进行预训练的模型。它在 这篇论文 中被提出，并首次在 此页面 发布。

免责声明：发布GPT - 2的团队也为其模型撰写了 模型卡片。Hugging Face团队对该模型卡片的内容进行了补充，以完善他们提供的信息并给出具体的偏差示例。

📄 许可证

本项目采用Apache-2.0许可证。

📚 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},
}