NNI 自动化特征工程,神经结构搜索,超参数调优和深度学习模型压缩。您可以在我们的 官方文档 (简体中文版点这里) 中找到最新的功能、API、示例和教程。
新消息!
- 新版本发布: v3.0 预览版已发布 - 发布于2022年5月5日
- 新的演示可用: YouTube入口 | Bilibili入口 - 最后更新于2022年6月22日
- 新研究论文: SparTA: Deep-Learning Model Sparsity via Tensor-with-Sparsity-Attribute - 发表于OSDI 2022
- 新研究论文: Privacy-preserving Online AutoML for Domain-Specific Face Detection - 发表于CVPR 2022
- 文档升级: 文档升级
安装
请参阅NNI安装指南以从pip安装或从源码构建。
要安装当前版本:
$ pip install nni
要更新NNI到最新版本,请在以上命令中添加--upgrade
标志。
NNI功能一览
超参数调优 | 神经结构搜索 | 模型压缩 | |
算法 |
| ||
支持的框架 | 训练服务 | 教程 | |
支持 |
|
|
资源
- NNI文档主页
- NNI安装指南
- NNI示例
- Python API参考
- 发布(变更日志)
- 相关研究与出版物
- NNI的YouTube频道
- NNI的Bilibili空间
- 介绍Retiarii的网络研讨会:NNI上的深度学习探索训练框架
- 社区讨论
贡献指南
如果您想为NNI做出贡献,请务必查看贡献指南,其中包括提交反馈、最佳编码实践和行为
Gitter | ||
---|---|---|
OR |
在过去的几年中,NNI在GitHub上收到了数千条反馈,并从数百名贡献者处获得了拉取请求。 我们感谢社区所有人的贡献,使得NNI蓬勃发展。
测试状态
必备
训练服务
类型 | 状态 |
---|---|
本地 - linux | |
本地 - windows | |
远程 - linux到linux | |
远程 - windows到windows | |
OpenPAI | |
Frameworkcontroller | |
Kubeflow | |
Hybrid | |
AzureML |
相关项目
为了开放和推进前沿技术,微软研究院 (MSR)还发布了其他一些开源项目。
- OpenPAI :一个开源平台,提供完整的AI模型训练和资源管理功能,易于扩展,支持本地、云端和混合环境中的各种规模。
- FrameworkController :一个开源的通用Kubernetes Pod控制器,通过单个控制器协调Kubernetes上的各种应用程序。
- MMdnn :一种全面的跨框架解决方案,用于转换、可视化和诊断深度神经网络模型。在MMdnn中,"MM"代表模型管理,"dnn"是深度神经网络的首字母缩写。
- SPTAG :空间分割树和图 (Space Partition Tree And Graph, SPTAG) 是一个用于大规模向量近似最近邻搜索场景的开源库。
- nn-Meter :一个精确的DNN模型推理延迟预测器,适用于各种边缘设备。
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。
许可证
整个代码库采用MIT许可证。