Nano Hash - криптовалюты, майнинг, программирование

Не могу использовать jedi vim на импортированных модулях

Допустим, у меня есть следующая структура

MyProject
|--run.py
|--myclass1.py
|--folder
|  |--myclass2.py

Сейчас я редактирую run.py:

from myclass1 import MyClass1
from folder.myclass2 import MyClass2

jedi vim отлично работает на MyClass1, но когда я пробую что-то из MyClass2, он просто показывает ошибку:

Omni completion (^O^N^P) Pattern not found

Как заставить его выполнять задачи на myclass2?

python vim jedi-vim
27.06.2015

  • На вашей диаграмме файл в folder называется myclass.py, а не myclass2.py. 28.06.2015
  • Упс, исправлено сейчас. Спасибо 28.06.2015
  • Какую версию Jedi вы используете? Также :set omnifunc? 28.06.2015
  • Версия последняя 0.9, я только два дня назад клонировал git. Выход :set omnifunc равен omnifunc=jedi#completions 29.06.2015
  • У меня такая же проблема. Я также использую 0.90 на python 2.7. :set omnifunc такой же, как и выше. Любые решения? 31.01.2016
  • Я почти уверен, что это работает, ребята. Я регулярно работаю над этими случаями. Может быть, попробовать обновить Jedi до последнего мастера? (новой версии нет) 25.10.2016
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..