Transformation des chats par IA en notebooks Jupyter, suggestions d'importation automatique lors de la saisie semi-automatique du code, vue Structure améliorée, et bien plus.
Si vous ne voulez pas vous soucier des paramètres de l'interpréteur ou de la configuration du projet, PyCharm s'en charge à votre place. L'IDE offre à présent une option en un clic qui vous permet de passer directement à l'éditeur. Vous pouvez commencer à programmer et à exécuter immédiatement avec un seul script Python ou notebook Jupyter, afin de contourner la configuration du projet et de gagner du temps.
La saisie semi-automatique du code de PyCharm propose désormais de nouvelles suggestions, telles que la possibilité d'importer automatiquement des noms de classes et de fonctions à partir de bibliothèques qui n'ont pas encore été importées dans votre code. Cette fonctionnalité simplifiée fluidifie les workflows et accélère l'accès aux outils dont vous avez besoin, sans nécessiter d'importations manuelles !
Parfois, vous souhaitez isoler une partie du code dans votre notebook pour voir à quoi ressemblera le résultat sans cette partie, et parfois, ce code s'étend sur plusieurs cellules. Dans ces cas, vous pouvez changer rapidement plusieurs cellules en commentaire à la fois. Pour cela, passez simplement en mode Command, sélectionnez les cellules cibles avec Maj+Haut/Bas, puis appuyez sur Cmd+/ (macOS) ou Ctrl+/ (Windows/Linux).
La vue Structure améliorée vous permet de naviguer dans vos notebooks en un éclair. PyCharm la génère automatiquement à partir des en-têtes des cellules Markdown, et vous pouvez également y ajouter des cellules Python avec les premières lignes commentées à partir du menu View options.
À partir de la vue Structure, vous pouvez vous déplacer dans le notebook, exécuter des sections spécifiques et voir à tout moment si une section donnée est en cours d'exécution.
Améliorez vos expériences de machine learning grâce à l'intégration de TensorBoard directement dans les notebooks Jupyter. Suivez et visualisez sans effort des métriques clés telles que la perte et la précision, inspectez les graphiques des modèles et surveillez les changements de pondération et de biais au fil du temps. Approfondissez vos travaux avec des outils pour la projection d'intégrations, la visualisation de données (images, texte et audio) et le profilage TensorFlow, le tout dans PyCharm.
Après avoir discuté avec l'AI Assistant d'un problème spécifique, vous souhaiterez peut-être déplacer les résultats vers un notebook dédié. Utilisez simplement un prompt de l'AI Assistant ou la nouvelle commande /create-jupyter-file
du chat pour créer un notebook contenant le code correspondant. PyCharm ajoutera également le notebook au répertoire de votre projet.
poetry.lock
et pyproject.toml
s'ils sont installés via la fenêtre d'outil Python Packages.