| Penyetelan Hiperparameter | Pencarian Arsitektur Neural | Kompresi Model |
| Algoritma | - Pencarian menyeluruh
- Pencarian heuristik
- anil
- Evolusi
- hiperband
- PBT
- Optimasi Bayesian
- BOHB
- DNGO
- dokter umum
- Metis
- SMAC
- TPE
| - Multi-percobaan
- Pencarian Jaringan
- RL Berbasis Kebijakan
- Acak
- Evolusi Teratur
- TPE
- Sekali tembak
- PANAHAN
- ENAS
- FBNet
- Tanpa proxyNAS
- SPOS
| - Pemangkasan
- Tingkat
- L1 Norma
- Berat Taylor FO
- Pergerakan
- AGP
- Kompres Otomatis
- Lagi...
- Kuantisasi
- Naif
- QAT
- LSQ
- Pengamat
- DoReFa
- BNN
|
| Kerangka Kerja yang Didukung | Layanan Pelatihan | Tutorial |
| Mendukung | - PyTorch
- Aliran Tensor
- Scikit-belajar
- XGBoost
- GBM ringan
- MXNet
- Kafe2
- Lagi...
| - Mesin lokal
- Server SSH jarak jauh
- Pembelajaran Mesin Azure (AML)
- Berbasis Kubernetes
- API Terbuka
- aliran kube
- FrameworkController
- MenyesuaikanDL
- DLC PAI
- Layanan pelatihan hibrida
| - HPO
- NAS
- Kompresi
- Pemangkasan
- Percepatan Pemangkasan
- Kuantisasi
- Percepatan Kuantisasi
|
Sumber daya
- Beranda Dokumentasi NNI
- Panduan Instalasi NNI
- Contoh NNI
- Referensi API Python
- Rilis (Ubah Log)
- Penelitian dan Publikasi Terkait
- Saluran Youtube NNI
- Ruang Bilibili NNI
- Webinar Memperkenalkan Retiarii: Kerangka pelatihan eksplorasi pembelajaran mendalam tentang NNI
- Diskusi Komunitas
Pedoman kontribusi
Jika Anda ingin berkontribusi pada NNI, pastikan untuk meninjau pedoman kontribusi, yang mencakup instruksi untuk mengirimkan masukan, praktik pengkodean terbaik, dan kode etik.
Kami menggunakan masalah GitHub untuk melacak permintaan pelacakan dan bug. Silakan gunakan Diskusi NNI untuk pertanyaan umum dan ide-ide baru. Untuk pertanyaan tentang kasus penggunaan tertentu, silakan buka Stack Overflow.
Berpartisipasi dalam diskusi melalui grup IM berikut juga diterima.
| Gitter | | Wechat wechat |
|---|
 | ATAU |  |
Selama beberapa tahun terakhir, NNI telah menerima ribuan masukan mengenai masalah GitHub, dan menarik permintaan dari ratusan kontributor. Kami mengapresiasi segala kontribusi masyarakat untuk memajukan NNI.
Status tes
Penting
| Jenis | Status |
|---|
| Tes cepat | |
| Tes penuh - HPO | |
| Tes penuh - NAS | |
| Tes penuh - kompresi | |
Layanan pelatihan
| Jenis | Status |
|---|
| Lokal - linux | |
| Lokal - jendela | |
| Jarak jauh - linux ke linux | |
| Jarak jauh - jendela ke jendela | |
| BukaPAI | |
| Pengontrol kerangka kerja | |
| aliran kube | |
| Hibrida | |
| AzureML | |
Proyek Terkait
Menargetkan keterbukaan dan kemajuan teknologi tercanggih, Microsoft Research (MSR) juga telah merilis beberapa proyek sumber terbuka lainnya.
- OpenPAI : platform sumber terbuka yang menyediakan pelatihan model AI lengkap dan kemampuan manajemen sumber daya, mudah untuk diperluas dan mendukung lingkungan on-premise, cloud, dan hybrid dalam berbagai skala.
- FrameworkController : Pengontrol Pod Kubernetes serba guna open source yang mengatur semua jenis aplikasi di Kubernetes dengan satu pengontrol.
- MMdnn : Solusi lintas kerangka yang komprehensif untuk mengonversi, memvisualisasikan, dan mendiagnosis model jaringan saraf dalam. "MM" dalam MMdnn adalah singkatan dari manajemen model dan "dnn" adalah singkatan dari jaringan saraf dalam.
- SPTAG : Space Partition Tree And Graph (SPTAG) adalah pustaka sumber terbuka untuk skenario pencarian tetangga terdekat mendekati vektor berskala besar.
- nn-Meter : Prediktor latensi inferensi yang akurat untuk model DNN pada beragam perangkat edge.
Kami mendorong para peneliti dan mahasiswa memanfaatkan proyek ini untuk mempercepat pengembangan dan penelitian AI.
Lisensi
Seluruh basis kode berada di bawah lisensi MIT.
Memperluas
