| 초매개변수 조정 | 신경 아키텍처 검색 | 모델 압축 |
알고리즘 | | - 다중 평가판
- 그리드 검색
- 정책 기반 RL
- 무작위의
- 정규화된 진화
- TPE
- 원샷
- 다트
- 에나스
- FBNet
- 프록시리스NAS
- SPOS
| - 전정
- 수준
- L1 표준
- 테일러 FO 무게
- 움직임
- AGP
- 자동 압축
- 더...
- 양자화
|
| 지원되는 프레임워크 | 교육 서비스 | 튜토리얼 |
지원 | - 파이토치
- 텐서플로우
- Scikit 학습
- XGBoost
- 라이트GBM
- MXNet
- 카페2
- 더...
| - 로컬 머신
- 원격 SSH 서버
- AML(Azure 기계 학습)
- 쿠버네티스 기반
- 오픈API
- Kubeflow
- 프레임워크컨트롤러
- 적응DL
- 파이 DLC
- 하이브리드 훈련 서비스
| - HPO
- 나스
- 압축
- 전정
- 가지치기 속도 향상
- 양자화
- 양자화 속도 향상
|
자원
- NNI 문서 홈페이지
- NNI 설치 가이드
- NNI 예
- Python API 참조
- 릴리스(변경 로그)
- 관련 연구 및 출판물
- NNI 유튜브 채널
- NNI의 빌리빌리 공간
- Retiarii 소개 웹 세미나: NNI에 대한 딥 러닝 탐구 교육 프레임워크
- 커뮤니티 토론
기여 지침
NNI에 기여하고 싶다면 피드백 제출 지침, 모범 코딩 사례 및 행동 강령이 포함된 기여 지침을 검토하세요.
우리는 GitHub 문제를 사용하여 추적 요청과 버그를 추적합니다. 일반적인 질문이나 새로운 아이디어는 NNI 토론을 이용해 주세요. 특정 사용 사례에 대한 질문이 있는 경우 Stack Overflow로 이동하세요.
다음 IM 그룹을 통한 토론 참여도 환영합니다.
거터 | | 위챗 |
---|
| 또는 | |
지난 몇 년 동안 NNI는 GitHub 문제에 대한 수천 개의 피드백과 수백 명의 기여자로부터 풀 요청을 받았습니다. NNI가 번창할 수 있도록 커뮤니티의 모든 기여에 감사드립니다.
테스트 상태
골자
유형 | 상태 |
---|
빠른 테스트 | |
전체 테스트 - HPO | |
전체 테스트 - NAS | |
전체 테스트 - 압축 | |
교육 서비스
유형 | 상태 |
---|
로컬 - 리눅스 | |
로컬 - 창 | |
원격 - 리눅스에서 리눅스로 | |
원격 - 창에서 창으로 | |
오픈PAI | |
프레임워크컨트롤러 | |
Kubeflow | |
잡종 | |
AzureML | |
관련 프로젝트
개방성과 첨단 기술 발전을 목표로 하는 Microsoft Research(MSR)는 다른 오픈 소스 프로젝트도 거의 출시하지 않았습니다.
- OpenPAI : 완벽한 AI 모델 교육 및 리소스 관리 기능을 제공하는 오픈 소스 플랫폼으로 확장이 쉽고 온프레미스, 클라우드 및 하이브리드 환경을 다양한 규모로 지원합니다.
- FrameworkController: 단일 컨트롤러로 Kubernetes에서 모든 종류의 애플리케이션을 조율하는 오픈 소스 범용 Kubernetes 포드 컨트롤러입니다.
- MMdnn: 심층 신경망 모델을 변환, 시각화 및 진단하는 포괄적인 크로스 프레임워크 솔루션입니다. MMdnn의 "MM"은 모델 관리(Model Management)를 나타내고 "dnn"은 심층 신경망(Deep Neural Network)의 약어입니다.
- SPTAG: SPTAG(Space Partition Tree And Graph)는 가장 가까운 이웃 검색 시나리오에 대한 대규모 벡터 근사를 위한 오픈 소스 라이브러리입니다.
- nn-Meter: 다양한 에지 장치의 DNN 모델에 대한 정확한 추론 대기 시간 예측기입니다.
우리는 연구원과 학생들이 이러한 프로젝트를 활용하여 AI 개발 및 연구를 가속화하도록 권장합니다.
특허
전체 코드베이스는 MIT 라이센스를 따릅니다.
확장하다