SupportedFramework_Library.md

框架和库的支持

通过内置的 Python API，NNI 天然支持所有 Python ( 版本 >= 3.5) 语言的 AI 框架，可使用所有超参调优和神经网络搜索算法。 NNI 还为常见场景提供了一些示例和教程，使上手更容易。

支持的 AI 框架

• [PyTorch] https://github.com/pytorch/pytorch

• MNIST-pytorch

• CIFAR-10

• TGS salt identification chanllenge

• Network morphism

• [TensorFlow] https://github.com/tensorflow/tensorflow

• MNIST-tensorflow

• Squad

• [Keras] https://github.com/keras-team/keras

• MNIST-keras

• Network morphism

• [MXNet] https://github.com/apache/incubator-mxnet

• [Caffe2] https://github.com/BVLC/caffe

• [CNTK (Python 语言)] https://github.com/microsoft/CNTK

• [Spark MLlib] http://spark.apache.org/mllib/

• [Chainer] https://chainer.org/

• [Theano] https://pypi.org/project/Theano/

如果能贡献更多示例，会对其他 NNI 用户有很大的帮助。

支持的库

NNI 也支持其它 Python 库，包括一些基于 GBDT 的算法：XGBoost, CatBoost 以及 lightGBM。

• [Scikit-learn] https://scikit-learn.org/stable/

• Scikit-learn

• [XGBoost] https://xgboost.readthedocs.io/en/latest/

• [CatBoost] https://catboost.ai/

• [LightGBM] https://lightgbm.readthedocs.io/en/latest/

• Auto-gbdt

这只是 NNI 支持的一小部分库。 如果对 NNI 感兴趣，可参考教程来继续学习。

除了这些案例，也欢迎更多的用户将 NNI 应用到自己的工作中，如果有任何疑问，请参考实现 Trial。 如果想成为 NNI 的贡献者，无论是分享示例，还是实现 Tuner 或其它内容，我们都非常期待您的参与。更多信息请参考这里。