NNI automates feature engineering, neural architecture search, hyperparameter tuning, and model compression for deep learning. Find the latest features, API, examples and tutorials in our official documentation (简体中文版点这里). What's NEW! See the NNI installation guide to install from pip, or build from source. To install the current release:

NNI (Neural Network Intelligence) 是一个轻量而强大的工具，可以帮助用户 自动化： 如果在安装上遇到问题，可参考 安装指南。 你需要预先安装 PyTorch （以及 torchvision ）才能运行这个实验。 请阅读 NNI 快速入门 以开启你的 NNI 旅程！ 为什么选择 NNI？ L1NormPruner(model, config). compress() # apply the masks for real speedup ModelSpeedup(unwrapped_model, input, masks). speedup_model() NNI 使用 NNI GitHub 仓库 进行维护。 我们在 GitHub 上收集反馈，以及新 …

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。

2022年3月10日 · NNI (Neural Network Intelligence) 是一个轻量但强大的工具包，帮助用户自动的进行特征工程，神经网络架构搜索，超参调优以及模型压缩。NNI 管理自动机器学习 (AutoML) 的 Experiment，调度运行由调优算法生成的 Trial

2017年11月11日 · NNI (Neural Network Intelligence) is a toolkit to help users run automated machine learning (AutoML) experiments. The tool dispatches and runs trial jobs generated by tuning algorithms to search the best neural architecture and/or hyper-parameters in different environments like local machine, remote servers and cloud.

作为微软亚洲研究院为科研人员和算法工程师量身定制的一站式 AutoML（自动机器学习）工具， NNI（Neural Network Intelligence）在过去的三年间不断迭代更新，加强了对各种分布式训练环境的支持，成为了最热门的 AutoML 开源项目之一。 近日，微软亚洲研究院对 NNI 进行了更新。 在最新的版本中， NNI 集成了大量前沿的剪枝算法，如 TaylorFO Weight、Movement 等。 基于现有的经典预训练模型，研究员们通过大量实验， 发现了既能降低模型参数量和计算量，又能保 …

NNI：Neural Network Intelligence，是一个轻量但强大的自动机器学习工具包，能帮助用户自动进行特征工程、神经网络架构搜索、超参调优以及模型压缩。在运行相同的迭代次数情况下，nni的准确率没有slimming高。 【

2023年8月4日 · NNI全称是：Neural Network Intelligence，是一款交互式的调参工具，使用简单，功能强大。 帮助文档链接： 本文旨在使用官方提供的样例演示如何使用nni进行调参。 安装：

2018年9月7日 · An open source AutoML toolkit for automate machine learning lifecycle, including feature engineering, neural architecture search, model compression and hyper-parameter tuning. - microsoft/nni Skip to content

NNI（neural network intelligence）是微软开源的自动机器学习工具包，它本地、远程服务器和云端通过不同的调参算法来寻找最优的神经网络架构和 超参数 。AutoML工具的出现使得搭建神经网络越来越简单。