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。