diff --git a/README_zh_CN.md b/README_zh_CN.md
index a425dc8c8f..588f261e40 100644
--- a/README_zh_CN.md
+++ b/README_zh_CN.md
@@ -19,7 +19,7 @@ NNI 管理自动机器学习 (AutoML) 的 Experiment,**调度运行**由调优
* 想要更容易**实现或试验新的自动机器学习算法**的研究员或数据科学家,包括:超参调优算法,神经网络搜索算法以及模型压缩算法。
* 在机器学习平台中**支持自动机器学习**。
-### **[NNI v1.5 已发布!](https://github.com/microsoft/nni/releases) [](#nni-released-reminder)**
+### **[NNI v1.6 已发布!](https://github.com/microsoft/nni/releases) [
](#nni-released-reminder)**
## **NNI 功能一览**
@@ -84,6 +84,7 @@ NNI 提供命令行工具以及友好的 WebUI 来管理训练的 Experiment。
+
+
+ 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 任务来找到最好的神经网络架构和/或超参,支持 + 各种训练环境,如 + 本机, + 远程服务器, + OpenPAI, + Kubeflow, + 基于 K8S 的 FrameworkController(如,AKS 等) + DLWorkspace (又称 DLTS),以及其它云服务。 +
+ ++ NNI 提供命令行工具以及友好的 WebUI 来管理训练的 Experiment。 + 通过可扩展的 API,可定制自动机器学习算法和训练平台。 + 为了方便新用户,NNI 内置了最新的自动机器学习算法,并为流行的训练平台提供了开箱即用的支持。 +
++ 下表中,包含了 NNI 的功能,同时在不断地增添新功能,也非常希望您能贡献其中。 +
++ | + 框架和库 + | ++ 算法 + | ++ 训练平台 + | +
内置 | +
+
+
+
+ |
+
+ 超参调优
+
穷举搜索
+
+ 启发式搜索
+
+ 贝叶斯优化
+
基于强化学习
+
剪枝
+
量化
+
+ |
+ + + | +
参考 | +
+
|
+ + + | ++ + | +
+ NNI 支持并在 Ubuntu >= 16.04, macOS >= 10.14.1, 和 Windows 10 >= 1809 通过了测试。 在 `python 64 位 >= 3.5` 的环境中,只需要运行 `pip install` 即可完成安装。 +
+如果想要尝试最新代码,可通过源代码安装 + NNI。 +
+ +注意:
++ 以下示例基于 TensorFlow 1.x 构建。 确保运行环境中使用的是 TensorFlow 1.x。 +
+通过克隆源代码下载示例。
+运行 MNIST 示例。
++ 在命令行中等待输出 INFO: Successfully started experiment! + 此消息表明 Experiment 已成功启动。 + 通过命令行输出的 Web UI url 来访问 Experiment 的界面。 +
+ ++INFO: Starting restful server... +INFO: Successfully started Restful server! +INFO: Setting local config... +INFO: Successfully set local config! +INFO: Starting experiment... +INFO: Successfully started experiment! +----------------------------------------------------------------------- +The experiment id is egchD4qy +The Web UI urls are: http://223.255.255.1:8080 http://127.0.0.1:8080 +----------------------------------------------------------------------- + +You can use these commands to get more information about the experiment +----------------------------------------------------------------------- + commands description +1. nnictl experiment show show the information of experiments +2. nnictl trial ls list all of trial jobs +3. nnictl top monitor the status of running experiments +4. nnictl log stderr show stderr log content +5. nnictl log stdout show stdout log content +6. nnictl stop stop an experiment +7. nnictl trial kill kill a trial job by id +8. nnictl --help get help information about nnictl +----------------------------------------------------------------------- ++
+ 本项目欢迎任何贡献和建议。 大多数贡献都需要你同意参与者许可协议(CLA),来声明你有权,并实际上授予我们有权使用你的贡献。 + 有关详细信息,请访问 https://cla.microsoft.com。 +
++ 当你提交拉取请求时,CLA 机器人会自动检查你是否需要提供 CLA,并修饰这个拉取请求(例如,标签、注释)。 只需要按照机器人提供的说明进行操作即可。 CLA 只需要同意一次,就能应用到所有的代码仓库上。 +
++ 该项目采用了 Microsoft 开源行为准则 。 有关详细信息,请参阅行为守则常见问题解答或联系 opencode@microsoft.com 咨询问题或评论。 +
++ 熟悉贡献协议后,即可按照 NNI 开发人员教程,创建第一个 PR =) 了: +
+经作者许可的一些 NNI 用法示例和相关文档。
+Gitter | ++ | 微信 | +
---|---|---|
+ ![]() |
+ 或 | +
+ ![]() |
+
+ 以探索先进技术和开放为目标,Microsoft Research (MSR) 还发布了一些相关的开源项目。
+ +我们鼓励研究人员和学生利用这些项目来加速 AI 开发和研究。
+代码库遵循 MIT 许可协议
+