Berdasarkan prediksi teks bahasa dengan model deep-learning GPT-2 by Open AI, deep TabNine mencakup developers untuk membuat kode terasa terasa lebih cepat. Tools ini dikembangan oleh pelajar sains komputer, jacob jackson, di Universitas Waterloo di Kanada.
Cara AutoComplete Code dengan Deep Learning
Deep TabNine adalah Tools berbasis deeplearning yang telah dilatih menggunakan 2 (dua) juta files dari Github. Dan bisa memprediksi setiap token pada token yang telah ada sebelumnya.
GPT-2 telah dilatih untuk hal yang sama tapi untuk kata dari bahasa yang alami Deep TabNine memprediksi untuk membangun blok kode.
Deep TabNine mendukung beberapa bahasa seperti Java, Python, JavaScript, C, C++, PHP, TypeScript, Kotlin, Objective-C, HTML, CSS, Go, C#, Ruby, Rust, Swift, Haskell, OCaml, Scala, Perl, SQL, dan bash.
Berikut ini contoh bagaimana TabNine Bekerja
Python:
Java:
Tools lainnya seperti Deep TabNine juga tersedia - Termasuk didalamnya Microsoft IntelliSense untuk Visual Studio. Bagaimanapun juga kemampuannya untuk memberikan saran berbagai macam token termasuk salah satunya single adalah apa yang membuat tools autocomplete ini spesial.
Versi Standar dari TabNine juga tersedia tapi bukan berbasis deep learning. Dia menggunakan mesin pembelajaran untuk melayani dengan responsive, reliable, dan saran yang relavant.
yang harus dicatat adalah TabNine datang dengan satu TradeOff - sangat intensive untuk di jalankankan dilaptop dan mungkin tidak memberikan suggesti secara cepat seperti versi standart nya TabNine.
jackson berharap untuk membuat model yang lebih baik yang mudah untuk dijalankan pada perangkat laptop. Untuk saat ini, dia memberikan layanan TabNine Cloud Beta yang menggunakan kecepatan GPU untuk mempercepat autocomplete.
Artinya dia bekerja keras untuk mengatasi masalah latensi pada laptop ini. Untuk pengguna skala enterprise (Bisnis), Deep TabNine Menyediakan License untuk menjalankan model pada hardware perusahaan.
COMMENTS