NNI (Neural Network Intelligence) 是一个轻量但强大的工具包,帮助用户自动的进行特征工程,神经网络架构搜索,超参调优以及模型压缩。
NNI 管理自动机器学习 (AutoML) 的 Experiment,调度运行由调优算法生成的 Trial 任务来找到最好的神经网络架构和/或超参,支持各种训练环境,如本机,远程服务器,OpenPAI,Kubeflow,基于 K8S 的 FrameworkController(如,AKS 等), DLWorkspace (又称 DLTS) 和其它云服务。
NNI 提供命令行工具以及友好的 WebUI 来管理训练的 Experiment。 通过可扩展的 API,可定制自动机器学习算法和训练平台。 为了方便新用户,NNI 内置了最新的自动机器学习算法,并为流行的训练平台提供了开箱即用的支持。
下表中,包含了 NNI 的功能,同时在不断地增添新功能,也非常希望您能贡献其中。
支持的框架和库 | 算法 | 训练平台 | |
内置 |
|
超参调优
|
|
参考 |
NNI 支持并在 Ubuntu >= 16.04, macOS >= 10.14.1, 和 Windows 10 >= 1809 通过了测试。 在 python 64-bit >= 3.5
的环境中,只需要运行 pip install
即可完成安装。
Linux 或 macOS
python3 -m pip install --upgrade nni
Windows
python -m pip install --upgrade nni
如果想试试最新代码,可参考从源代码安装 NNI。
Linux 和 macOS 下 NNI 系统需求参考这里 ,Windows 参考这里。
注意:
--user
在用户目录中安装 NNI。Segmentation fault
等错误参考常见问题。 Windows 上的 FAQ 参考在 Windows 上使用 NNI。以下示例基于 TensorFlow 1.x 。确保运行环境中使用的的是 ** TensorFlow 1.x**。
通过克隆源代码下载示例。
git clone -b v1.6 https://github.com/Microsoft/nni.git
运行 MNIST 示例。
Linux 或 macOS
nnictl create --config nni/examples/trials/mnist-tfv1/config.yml
Windows
nnictl create --config nni\examples\trials\mnist-tfv1\config_windows.yml
在命令行中等待输出 INFO: Successfully started experiment!
。 此消息表明 Experiment 已成功启动。 通过命令行输出的 Web UI url
来访问 Experiment 的界面。
INFO: Starting restful server...
INFO: Successfully started Restful server!
INFO: Setting local config...
INFO: Successfully set local config!
INFO: Starting experiment...
INFO: Successfully started experiment!
-----------------------------------------------------------------------
The experiment id is egchD4qy
The Web UI urls are: http://223.255.255.1:8080 http://127.0.0.1:8080
-----------------------------------------------------------------------
You can use these commands to get more information about the experiment
-----------------------------------------------------------------------
commands description
1. nnictl experiment show show the information of experiments
2. nnictl trial ls list all of trial jobs
3. nnictl top monitor the status of running experiments
4. nnictl log stderr show stderr log content
5. nnictl log stdout show stdout log content
6. nnictl stop stop an experiment
7. nnictl trial kill kill a trial job by id
8. nnictl --help get help information about nnictl
-----------------------------------------------------------------------
Web UI url
,可看到下图的 Experiment 详细信息,以及所有的 Trial 任务。 查看这里的更多页面。本项目欢迎任何贡献和建议。 大多数贡献都需要你同意参与者许可协议(CLA),来声明你有权,并实际上授予我们有权使用你的贡献。 有关详细信息,请访问 https://cla.microsoft.com。
当你提交拉取请求时,CLA机器人会自动检查你是否需要提供CLA,并修饰这个拉取请求(例如,标签、注释)。 只需要按照机器人提供的说明进行操作即可。 CLA 只需要同意一次,就能应用到所有的代码仓库上。
该项目采用了 Microsoft 开源行为准则 。 有关详细信息,请参阅常见问题解答,如有任何疑问或意见可联系 opencode@microsoft.com。
熟悉贡献协议后,即可按照 NNI 开发人员教程,创建第一个 PR:
经作者许可的一些 NNI 用法示例和相关文档。
加入聊天组:
Gitter | 微信 | |
---|---|---|
或 |
以探索先进技术和开放为目标,Microsoft Research (MSR) 还发布了一些相关的开源项目。
我们鼓励研究人员和学生利用这些项目来加速 AI 开发和研究。
代码库遵循 MIT 许可协议
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。