| การปรับแต่งไฮเปอร์พารามิเตอร์ | ค้นหาสถาปัตยกรรมประสาท | การบีบอัดโมเดล |
| อัลกอริทึม | - การค้นหาที่ครบถ้วนสมบูรณ์
- การค้นหาแบบฮิวริสติก
- แอนนีล
- วิวัฒนาการ
- ไฮเปอร์แบนด์
- PBT
- การเพิ่มประสิทธิภาพแบบเบย์
- BOHB
- ดีเอ็นจีโอ
- แพทย์ทั่วไป
- เมทิส
- สแมค
- ทีพีอี
| - ทดลองใช้หลายรายการ
- ค้นหาตาราง
- RL ตามนโยบาย
- สุ่ม
- วิวัฒนาการที่สม่ำเสมอ
- ทีพีอี
- นัดเดียว
- ปาเป้า
- อีนาส
- เอฟบีเน็ต
- พร็อกซีไร้ NAS
- สปอส
| - การตัดแต่งกิ่ง
- ระดับ
- L1 มาตรฐาน
- เทย์เลอร์ FO น้ำหนัก
- ความเคลื่อนไหว
- เอจีพี
- บีบอัดอัตโนมัติ
- มากกว่า...
- การหาปริมาณ
- ไร้เดียงสา
- ควอท
- LSQ
- ผู้สังเกตการณ์
- โดเรฟา
- บีเอ็นเอ็น
|
| กรอบการทำงานที่รองรับ | บริการฝึกอบรม | บทช่วยสอน |
| รองรับ | - ไพทอร์ช
- เทนเซอร์โฟลว์
- Scikit-เรียนรู้
- XGBoost
- ไลท์GBM
- เอ็มเอ็กซ์เน็ต
- คาเฟ่2
- มากกว่า...
| - เครื่องท้องถิ่น
- เซิร์ฟเวอร์ SSH ระยะไกล
- การเรียนรู้ของเครื่อง Azure (AML)
- อิงตาม Kubernetes
- OpenAPI
- คูเบโฟลว์
- FrameworkController
- AdaptDL
- ปาย DLC
- บริการฝึกอบรมแบบผสมผสาน
| - เอชพีโอ
- นาส
- สวัสดี NAS
- เกณฑ์มาตรฐาน NAS
- การบีบอัด
- การตัดแต่งกิ่ง
- การตัดแต่งกิ่งเร่งความเร็ว
- การหาปริมาณ
- การเร่งความเร็วเชิงปริมาณ
|
ทรัพยากร
- หน้าแรกของเอกสาร NNI
- คู่มือการติดตั้ง NNI
- ตัวอย่าง NNI
- การอ้างอิง Python API
- การเผยแพร่ (บันทึกการเปลี่ยนแปลง)
- งานวิจัยและสิ่งพิมพ์ที่เกี่ยวข้อง
- ช่อง Youtube ของ NNI
- Bilibili Space ของ NNI
- การสัมมนาออนไลน์เกี่ยวกับการแนะนำ Retiarii: กรอบการฝึกอบรมเชิงสำรวจเชิงลึกเกี่ยวกับ NNI
- การสนทนาของชุมชน
แนวทางการบริจาค
หากคุณต้องการมีส่วนร่วมกับ NNI อย่าลืมอ่านหลักเกณฑ์การมีส่วนร่วม ซึ่งรวมถึงคำแนะนำในการส่งคำติชม แนวทางปฏิบัติในการเขียนโค้ดที่ดีที่สุด และหลักปฏิบัติ
เราใช้ปัญหา GitHub เพื่อติดตามคำขอและข้อบกพร่องในการติดตาม โปรดใช้การสนทนาของ NNI สำหรับคำถามทั่วไปและแนวคิดใหม่ๆ หากมีคำถามเกี่ยวกับกรณีการใช้งานเฉพาะ โปรดไปที่ Stack Overflow
ยินดีเข้าร่วมการสนทนาผ่านกลุ่ม IM ต่อไปนี้
| กิตเตอร์ | | วีแชท |
|---|
 | หรือ |  |
ในช่วงไม่กี่ปีที่ผ่านมา NNI ได้รับการตอบรับนับพันเกี่ยวกับปัญหา GitHub และดึงคำขอจากผู้ร่วมให้ข้อมูลหลายร้อยราย เราขอขอบคุณการมีส่วนร่วมทั้งหมดจากชุมชนเพื่อทำให้ NNI เจริญรุ่งเรือง
สถานะการทดสอบ
สิ่งจำเป็น
| พิมพ์ | สถานะ |
|---|
| การทดสอบอย่างรวดเร็ว | |
| ทุกรายการทดสอบ - HPO | |
| รายการทดสอบฉบับเต็ม - NAS | |
| การทดสอบแบบเต็ม - การบีบอัด | |
บริการฝึกอบรม
| พิมพ์ | สถานะ |
|---|
| ท้องถิ่น - ลินุกซ์ | |
| ท้องถิ่น - หน้าต่าง | |
| ระยะไกล - linux ถึง linux | |
| ระยะไกล - หน้าต่างสู่หน้าต่าง | |
| OpenPAI | |
| ตัวควบคุมกรอบงาน | |
| คูเบโฟลว์ | |
| ไฮบริด | |
| AzureML | |
โครงการที่เกี่ยวข้อง
Microsoft Research (MSR) มุ่งเป้าไปที่การเปิดกว้างและพัฒนาเทคโนโลยีล้ำสมัย จึงได้เปิดตัวโครงการโอเพ่นซอร์สอื่นๆ อีกสองสามโครงการ
- OpenPAI : แพลตฟอร์มโอเพ่นซอร์สที่ให้การฝึกอบรมโมเดล AI ที่สมบูรณ์และความสามารถในการจัดการทรัพยากร ง่ายต่อการขยายและรองรับสภาพแวดล้อมในสถานที่ ระบบคลาวด์ และไฮบริดในขนาดต่างๆ
- FrameworkController : Kubernetes Pod Controller อเนกประสงค์แบบโอเพ่นซอร์สที่ประสานแอปพลิเคชันทุกประเภทบน Kubernetes ด้วยคอนโทรลเลอร์เพียงตัวเดียว
- MMdnn : โซลูชันข้ามเฟรมเวิร์กที่ครอบคลุมในการแปลง แสดงภาพ และวินิจฉัยโมเดลเครือข่ายประสาทเชิงลึก "MM" ใน MMdnn ย่อมาจาก Model Management และ "dnn" เป็นตัวย่อสำหรับ Deep Neural Network
- SPTAG: Space Partition Tree And Graph (SPTAG) เป็นไลบรารีโอเพ่นซอร์สสำหรับเวกเตอร์ขนาดใหญ่โดยประมาณสถานการณ์การค้นหาเพื่อนบ้านที่ใกล้ที่สุด
- nn-Meter : ตัวทำนายเวลาแฝงในการอนุมานที่แม่นยำสำหรับโมเดล DNN บนอุปกรณ์ Edge ที่หลากหลาย
เราสนับสนุนให้นักวิจัยและนักศึกษาใช้ประโยชน์จากโครงการเหล่านี้เพื่อเร่งการพัฒนาและการวิจัย AI
ใบอนุญาต
codebase ทั้งหมดอยู่ภายใต้ใบอนุญาต MIT
ขยาย
