A. 深度解析AutoML工具——NNI：帶上超參一起訓練
NNI（Neural Network Intelligence）是一款自動機器學習工具包，旨在通過各種優化演算法搜索最合適的神經網路結構與超參數。它兼容單機、本地多機及雲環境運行。
安裝指引如下：
pip install -i https://pypi.tuna.tsinghua.e.cn/simple nni
推薦使用清華源進行安裝。
NNI工作流程包括實驗設計、搜索空間定義、超參數優化與結果評估。一個基本實驗流程如下：
1. **實驗設計**：設置目標（如Mnist手寫體識別），確定搜索空間（包含可搜索的變數及變數范圍），如設置dropout_rate在[0.5, 0.9]均勻分布，conv_size在[2,3,5,7]四個值中選擇。
2. **配置文件**：創建`search_space.json`及系統配置文件（如`config_windows.yml`或`config.yml`），配置實驗時間、嘗試次數、使用TPE優化演算法等參數。
3. **啟動實驗**：使用`nnictl create --config config_windows.yml`命令啟動Mnist實驗。
4. **監控實驗**：訪問WebUI查看實驗狀態與詳細信息，實驗結束後，WebUI仍可訪問。
NNI核心組件包括**Tuner**（優化演算法）與**Assessor**（評估器），在限定資源下，Tuner與Assessor協作尋找最優超參數。
為解決GPU資源需求，推薦使用**BitaHub**，一個面向AI開發者提供快速構建、訓練模型的服務，新用戶注冊即贈算力。
在BitaHub上使用NNI流程如下：
1. **下載文件**：從GitHub倉庫（github.com/SonghuaW/bit...）獲取Dockerfile、trail代碼。
2. **配置參數**：在鏡像選擇、GPU類型、啟動命令等進行配置。
3. **監控實驗**：通過WebUI查看實驗狀態與輸出文件，實驗結束後，WebUI無法訪問，但輸出文件可繼續查看。
NNI與BitaHub集成提供了一種高效、便捷的自動機器學習解決方案，適合從簡單實驗到復雜模型訓練的多種場景。