NNI学习（一）介绍与安装

官方文档：https://github.com/microsoft/nni
（本文介绍均基于windows系统，Linux和Mac请参考GitHub的官方文档）

一、介绍

NNI (Neural Network Intelligence) 是一个工具包，可有效的帮助用户设计并调优机器学习模型的神经网络架构，复杂系统的参数（如超参）等。 NNI 的特性包括：易于使用，可扩展，灵活，高效。

NNI的体系结构：

相关概念：
Experiment（实验）：实验是一次找到模型的最佳超参组合，或最好的神经网络架构的任务。它由 Trial 和自动机器学习算法所组成。

搜索空间：是模型调优的范围。例如，超参的取值范围。

Configuration（配置）：配置是来自搜索空间的一个参数实例，每个超参都会有一个特定的值。

Trial: Trial 是一次尝试，它会使用某组配置（例如，一组超参值，或者特定的神经网络架构）。 Trial 会基于提供的配置来运行。

Tuner: Tuner 是一个自动机器学习算法，会为下一个 Trial 生成新的配置。新的 Trial 会使用这组配置来运行。

Assessor：Assessor 分析 Trial 的中间结果（例如，测试数据集上定期的精度），来确定 Trial 是否应该被提前终止。

训练平台：是 Trial 的执行环境。根据 Experiment 的配置，可以是本机，远程服务器组，或其它大规模训练平台（如，OpenPAI，Kubernetes）。

Experiment 的运行过程为：Tuner 接收搜索空间并生成配置。这些配置将被提交到训练平台，如本机，远程服务器组或训练集群。执行的性能结果会被返回给 Tuner。然后，再生成并提交新的配置。
每次 Experiment 执行时，用户只需要定义搜索空间，改动几行代码，就能利用 NNI 内置的 Tuner/Assessor 和训练服务来搜索最好的超参组合以及神经网络结构。基本上分为三步：
第一步：定义搜索空间
第二步：改动模型代码
第三步：定义 Experiment 配置

二、安装

和AutoKeras相比，这个装起来太简单了！！感动到哭！
官方推荐anaconda，我用anaconda prompt执行命令：

python -m pip install --upgrade nni

安装完毕可以进行验证，验证试验依赖TensorFlow：

git clone -b v0.8 https://github.com/Microsoft/nni.git
nnictl create --config nni\examples\trials\mnist\config_windows.yml

出现以上信息就好了
ps
第一次运行的时候出了restful server start failed的错误，查了查也没查出来怎么回事，重新运行一遍就好了。