From 4bae0b5ce9b5268dda12edde9edca5ee82faa63c Mon Sep 17 00:00:00 2001 From: Chi Song Date: Thu, 31 Jan 2019 19:55:10 +0800 Subject: [PATCH] update Chinese for 0.5.1 (#701) --- zh_CN/README.md | 8 +++---- zh_CN/deployment/docker/README.md | 6 +++-- zh_CN/docs/RELEASE.md | 37 ++++++++++++++++++++++--------- zh_CN/docs/conf.py | 2 +- 4 files changed, 36 insertions(+), 17 deletions(-) diff --git a/zh_CN/README.md b/zh_CN/README.md index 1837c5eb22..6d07ce0e57 100644 --- a/zh_CN/README.md +++ b/zh_CN/README.md @@ -10,7 +10,7 @@ NNI (Neural Network Intelligence) 是自动机器学习（AutoML）的工具包。 它通过多种调优的算法来搜索最好的神经网络结构和（或）超参，并支持单机、本地多机、云等不同的运行环境。 -### **NNI [v0.5](https://github.com/Microsoft/nni/releases) 已发布！** +### **NNI [v0.5.1](https://github.com/Microsoft/nni/releases) 已发布！**

@@ -116,7 +116,7 @@ NNI (Neural Network Intelligence) 是自动机器学习（AutoML）的工具包 * 在 `python >= 3.5` 的环境中运行命令： `git` 和 `wget`，确保安装了这两个组件。 ```bash - git clone -b v0.5 https://github.com/Microsoft/nni.git + git clone -b v0.5.1 https://github.com/Microsoft/nni.git cd nni source install.sh ``` @@ -130,7 +130,7 @@ NNI (Neural Network Intelligence) 是自动机器学习（AutoML）的工具包 * 通过克隆源代码下载示例。 ```bash - git clone -b v0.5 https://github.com/Microsoft/nni.git + git clone -b v0.5.1 https://github.com/Microsoft/nni.git ``` * 运行 mnist 示例。 @@ -217,4 +217,4 @@ NNI (Neural Network Intelligence) 是自动机器学习（AutoML）的工具包 ## **许可协议** -整个代码库遵循 [MIT 许可协议](https://github.com/Microsoft/nni/blob/master/LICENSE) \ No newline at end of file +代码库遵循 [MIT 许可协议](https://github.com/Microsoft/nni/blob/master/LICENSE) \ No newline at end of file diff --git a/zh_CN/deployment/docker/README.md b/zh_CN/deployment/docker/README.md index 3aa59ebe58..8c61019657 100644 --- a/zh_CN/deployment/docker/README.md +++ b/zh_CN/deployment/docker/README.md @@ -6,13 +6,13 @@ CUDA 9.0, CuDNN 7.0 numpy 1.14.3,scipy 1.1.0 - TensorFlow 1.10.0 + TensorFlow-gpu 1.10.0 Keras 2.1.6 PyTorch 0.4.1 scikit-learn 0.20.0 pandas 0.23.4 lightgbm 2.2.2 - NNI v0.5 + NNI v0.5.1 此 Dockerfile 可作为定制的参考。 @@ -31,6 +31,8 @@ docker run -it nni/nni +注意，如果要使用 tensorflow，需要先卸载 tensorflow-gpu，然后在 Docker 容器中安装 tensorflow。 或者修改 `Dockerfile` 来安装没有 GPU 的 tensorflow 版本，并重新生成 Docker 映像。 + * 如果 docker 容器中有 GPU，确保安装了 [NVIDIA 容器运行包](https://github.com/NVIDIA/nvidia-docker)，然后运行下面的命令 nvidia-docker run -it nni/nni diff --git a/zh_CN/docs/RELEASE.md b/zh_CN/docs/RELEASE.md index ba1f76e21a..5db6566679 100644 --- a/zh_CN/docs/RELEASE.md +++ b/zh_CN/docs/RELEASE.md @@ -1,14 +1,31 @@ # 更改日志 +## 发布 0.5.1 - 1/31/2018 + +### 改进 + +* 可配置[日志目录](ExperimentConfig.md)。 +* 支持[不同级别的日志](ExperimentConfig.md)，使其更易于调试。 + +### 文档 + +* 重新组织文档，新的主页位置：https://nni.readthedocs.io/en/latest/ + +### Bug 修复和其它更新 + +* 修复了 Python 虚拟环境中安装的 Bug，并重构了安装逻辑。 +* 修复了在最新的 OpenPAI 下存取 HDFS 失败的问题。 +* 修复了有时刷新 stdout 会造成 Experiment 崩溃的问题。 + ## 发布 0.5.0 - 01/14/2019 ### 主要功能 #### 支持新的 Tuner 和 Assessor -* 支持 [Metis tuner](./HowToChooseTuner.md#MetisTuner) 作为 NNI 的 Tuner。 **在线**超参调优的场景下，Metis 算法已经被证明非常有效。 +* 支持[Metis tuner](./Builtin_Tuner.md#MetisTuner) 作为 NNI 的 Tuner。 **在线**超参调优的场景下，Metis 算法已经被证明非常有效。 * 支持 [ENAS customized tuner](https://github.com/countif/enas_nni)。由 GitHub 社区用户所贡献。它是神经网络的搜索算法，能够通过强化学习来学习神经网络架构，比 NAS 的性能更好。 -* 支持 [Curve fitting （曲线拟合）Assessor](./HowToChooseTuner.md#Curvefitting)，通过曲线拟合的策略来实现提前终止 Trial。 +* 支持 [Curve fitting （曲线拟合）Assessor](./Builtin_Tuner.md#Curvefitting)，通过曲线拟合的策略来实现提前终止 Trial。 * 进一步支持 [Weight Sharing（权重共享）](./AdvancedNAS.md)：为 NAS Tuner 通过 NFS 来提供权重共享。 #### 改进训练平台 @@ -31,7 +48,7 @@ #### 支持新的 Tuner -* 支持新 Tuner [network morphism](./HowToChooseTuner.md#NetworkMorphism) +* 支持新 Tuner [network morphism](./Builtin_Tuner.md#NetworkMorphism) #### 改进训练平台 @@ -64,11 +81,11 @@ * [Kubeflow 训练服务](./KubeflowMode.md) * 支持 tf-operator - * Kubeflow 上的[分布式 Trial 样例](../examples/trials/mnist-distributed/dist_mnist.py) -* [网格搜索 Tuner](Builtin_Tuner.md#GridSearch) + * 使用 Kubeflow 的[分布式 Trial 样例](https://github.com/Microsoft/nni/tree/master/examples/trials/mnist-distributed/dist_mnist.py) +* [网格搜索 Tuner](Builtin_Tuner.md#GridSearch) * [Hyperband Tuner](Builtin_Tuner.md#Hyperband) * 支持在 MAC 上运行 NNI Experiment -* WebUI +* Web 界面 * 支持 hyperband Tuner * 移除 tensorboard 按钮 * 显示 Experiment 的错误消息 @@ -126,13 +143,13 @@ ### 新样例 -* 公共的 NNI Docker 映像： +* 公开的 NNI Docker 映像： ```bash docker pull msranni/nni:latest ``` -* 新的尝试样例： [NNI Sklearn 样例](https://github.com/Microsoft/nni/tree/master/examples/trials/sklearn) +* 新的 Trial 样例： [NNI Sklearn 样例](https://github.com/Microsoft/nni/tree/master/examples/trials/sklearn) * 新的竞赛样例：[Kaggle Competition TGS Salt](https://github.com/Microsoft/nni/tree/master/examples/trials/kaggle-tgs-salt) @@ -146,10 +163,10 @@ ### 主要功能 -* 支持 [OpenPAI](https://github.com/Microsoft/pai) (又称 pai) 训练平台 (参考[这里](./PAIMode.md)来了解如何在 pai 模式下提交 NNI 任务) +* 支持 [OpenPAI](https://github.com/Microsoft/pai) (又称 pai) 训练服务 (参考[这里](./PAIMode.md)来了解如何在 OpenPAI 下提交 NNI 任务) * 支持 pai 模式的训练服务。 NNI Trial 可发送至 OpenPAI 集群上运行 * NNI Trial 输出 (包括日志和模型文件) 会被复制到 OpenPAI 的 HDFS 中。 -* 支持 [SMAC](https://www.cs.ubc.ca/~hutter/papers/10-TR-SMAC.pdf) Tuner (参考[这里](HowToChooseTuner.md)，了解如何使用 SMAC Tuner) +* 支持 [SMAC](https://www.cs.ubc.ca/~hutter/papers/10-TR-SMAC.pdf) Tuner (参考[这里](Builtin_Tuner.md)，了解如何使用 SMAC Tuner) * [SMAC](https://www.cs.ubc.ca/~hutter/papers/10-TR-SMAC.pdf) 基于 Sequential Model-Based Optimization (SMBO). 它会利用使用过的结果好的模型（高斯随机过程模型），并将随机森林引入到 SMBO 中，来处理分类参数。 NNI 的 SMAC 通过包装 [SMAC3](https://github.com/automl/SMAC3) 来支持。 * 支持将 NNI 安装在 [conda](https://conda.io/docs/index.html) 和 Python 虚拟环境中。 * 其它 diff --git a/zh_CN/docs/conf.py b/zh_CN/docs/conf.py index 739b347379..929a7e2587 100644 --- a/zh_CN/docs/conf.py +++ b/zh_CN/docs/conf.py @@ -28,7 +28,7 @@ # The short X.Y version version = '' # The full version, including alpha/beta/rc tags -release = 'v0.5' +release = 'v0.5.1' # -- General configuration ---------------------------------------------------