code_search
Code Search Dataset
Artículo de Code For Medium: "Cómo crear una búsqueda semántica en lenguaje natural para objetos arbitrarios con aprendizaje profundo"
Las técnicas presentadas aquí son antiguas y se han perfeccionado significativamente en un proyecto posterior llamado CodeSearchNet, con un artículo asociado.
Recomiendo mirar el proyecto mencionado anteriormente para obtener un enfoque más moderno de este tema, ya que en retrospectiva esta publicación de blog es un truco algo feo.
Puede utilizar estos contenedores para reproducir el entorno que utilizaron los autores para este tutorial. En caso de que sea útil, he proporcionado un archivo require.txt; sin embargo, recomendamos encarecidamente utilizar los contenedores acoplables que se proporcionan a continuación, ya que puede ser complicado crear las dependencias usted mismo.
hamelsmu/ml-gpu: use este contenedor para cualquier parte del tutorial vinculada a gpu . Recomendamos ejecutar todo el tutorial en un AWS p3.8xlarge y utilizar esta imagen.
hamelsmu/ml-cpu: use este contenedor para cualquier parte vinculada a la CPU de este tutorial.
La carpeta de cuadernos contiene 5 cuadernos de Jupyter que corresponden a las partes 1 a 5 del tutorial.
Este tutorial asume el conocimiento del material presentado en un tutorial anterior sobre modelos secuencia a secuencia.
Hemos hecho todos los esfuerzos posibles para asegurarnos de que ejecutar este tutorial sea lo más sencillo posible. Si cree que algo se puede mejorar, envíe un PR.
