如何在 Docker 中运行的 Jupyter notebook 中完成代码

Question

我遵循官方Tensorflow Docker hub上的说明，以便能够使用 GPU-ready docker 镜像和公开端口进行本地 Jupyter notebook 开发； 包括安装所需的nvidia-docker

我可以导入包没问题，但点击选项卡时代码完成不起作用。 例如：

import tensorflow as tf       # works fine
tf. <tab>                     # nothing happens

如果我手动输入我可以使用代码。 我可以执行以下操作：

import numpy as np            # no complaints
np.arange(0, 10)              # returns expected result

有趣的是，如果我输入tf. 并点击shift-<double-tab>我得到通常完整的文档字符串：

---

我使用以下命令拉取 docker 镜像并运行它：

docker run -u $(id -u):$(id -g) -it --runtime=nvidia --rm \
    -v $(realpath ~/Documents/jupyter_notebooks):/tf/notebooks \
    -p 8888:8888 tensorflow/tensorflow:nightly-gpu-py3-jupyter

除了将本地文件夹绑定到容器之外，这会将我的用户 ID 映射到正在运行的容器，因此我不是从root的主文件夹工作（我的 docker 安装属于root 。我可以在浏览器并像往常一样启动一个新的 Python3 笔记本。

我正在运行 Ubuntu 16.04，在 Chrome 中打开 Jupyter 笔记本（我使用vimium扩展程序，但它已关闭，并在确定它可能与发送到 Chrome 的键盘命令混淆后重新启动容器）。

$  docker --version
Docker version 18.09.1, build 4c52b90

Answer 1

吴文敏的tabnine插件绝对是比内置更好的自动补全服务。

我想指出的是，IPython 使用 Jedi 来进行自动补全和其他一些魔法。 然而，两人之间的兼容性时不时出现问题。 除了等待 IPython 更新之外，还有一个简单的修复方法：

%config IPCompleter.use_jedi=False

Answer 2

我在这里遇到了一个快速简单的解决方案- 只需运行一个 Jupyter 魔术命令：

%config IPCompleter.greedy=True

还在 PyCharm 中运行的 Jupyter 笔记本中工作。 我一运行该命令，PyCharm 就开始为项目建立索引，这意味着代码完成在脚本和笔记本中都有效（这也没有奏效！）

应该可以将 config 参数添加到全局 Jupyter 配置文件中。

---

在同一个线程上有第二种可能的解决方案，使用笔记本扩展，但我没有测试过。

Answer 3

我为 jupyter notebook 编写了一个插件，它提供基于深度学习模型的代码自动完成。 它是 C/S 模型，可以在任何地方运行。 你可以试试这个： https : //github.com/wenmin-wu/jupyter-tabnine这个工具现在在pypi 上可用。 只需发出以下四行命令，并享受它:)

pip3 install jupyter-tabnine
jupyter nbextension install --py jupyter_tabnine
jupyter nbextension enable --py jupyter_tabnine
jupyter serverextension enable --py jupyter_tabnine