在機器學習建模時，除了準備資料，最耗時耗力的就是嘗試各種超參組合，找到最佳模型的過程了。對於初學者來說，常常是無從下手。即使是對於有經驗的演算法工程師和資料科學家，也是很難把握所有的規律，只能多次嘗試，找到較好的超參組合。而自動機器學習這兩年成為了熱門領域，它將機器學習過程中包括自動特徵提取、模型選擇、引數調節等過程自動化地學習，使學習過程在給定資料和任務上學習和泛化能力非常強大。nni (neural network intelligence) 是微軟開源的自動機器學習工具包，與當前的各種自動機器學習服務或工具相比，有非常獨特的價值。nni著力解決超參除錯過程的挑戰，通過內建的超參選擇演算法、算力的強大支援和便捷的互動方式來加速和簡化超參搜尋的過程。
使用者只需要三步即可完成實驗準備，（1）定義搜尋空間(search space)；（2）上傳**（codes）；（3）定義實驗 ，使用者可以使用一行命令列即可開始實驗，並可使用webui在網頁端實時檢視實驗程序和結果。
nni的使用場景包括：
建議平台： linux（ubuntu 16.04以及更高版本） 、macos（10.14.1以及更高版本）、python >= 3.5體驗版本：nni v0.5.2
體驗環境：ubuntu 14.04.5 + python3.6.5+ tensorflow 1.11.0（雖然版本比官方建議稍低一些，但是目前還是沒什麼問題，但是還是建議按照官方版本要求來，這樣問題少些）
安裝指令：
一步就成功安裝好了nni，激動。
安裝體驗nni的安裝對軟硬體配置有一定要求，這樣可以避免後續的很多麻煩，但是安裝步驟其實是很簡單的，主要是tensorflow 和python需要匹配版本這邊較為麻煩，其餘就是自己本身缺少的一些包，按著操作來也比較容易，官方還有faq檢視。
安裝完成後
使用者只需要三步即可完成實驗準備：
（1）定義搜尋空間(search space)；
（2）上傳**（codes）；
（3）定義實驗配置(experiment) ；
可在-/nni/example/trials/mnist目錄中看到目錄結構：
clone完了之後去nni目錄下找到mnist資料集的配置檔案並進行配置
然後用vim config.yml來編輯，為了讓速度更快一些我把trialconcurrency改為5，表示並行實驗數為5。
開始訓練——一句命令：
$ nnictl create --config nni/examples/trials/mnist/config.yml然後就會顯示下圖的 successfully started experiment! 說明這個例子已經開始跑啦。
檢視訓練結果
開啟web ui urls （這裡是終端返回nni解析的實驗資訊以及實驗結果）如下圖：
這裡可以看到所有訓練資訊以及其具體的超參組合，並支援對回傳結果排序。
完成後，需要手動停止實驗；
nnictl top #實時顯示當前例項的實驗情況。
nnictl stop #停止實驗（到達config.yml中設定的停止條件後不會自動停止實驗，需要手動停止，否則占用當前webui使用的埠）使用過程體會nni整體的使用也是比較簡單的，主要就是三步：
（1）定義搜尋空間；
（2）上傳**；
（3）定義實驗配置；
GVIM VIM使用體驗
現在全面轉戰linux，雖然使用ubuntu，雖然早就有了rhcsa證書.好吧，面臨的頭一件大事就是搞定linux下的編譯環境，早就在使用vim，但是都得不到最夠的時間對vim進行系統的配置，每天回到家裡就會發現精力會被各種事物吸引。很悲催。所以說環境才是硬道理。這篇帖子是乙個總覽，用來索引我以後發...
Docker for windows 使用體驗
用這個 剛開始報錯說我開了hvt 關了重啟就好了 然後又啟動報錯 running pre create checks default no default boot2docker iso found locally,downloading the latest release 載入本地tar.7z檔...
Playstation VR 使用體驗
是的，從上周末拿到vr已經過去一周了，是時候發個體驗報告了。作為miss了第一次發售預定的ps4使用者，其實第二次天貓開放預定搶購並沒有抱多大期望能搶到，不過事情就這樣發生了。發貨時間也超乎預期了，天貓預定標註的發貨時間是10月30日前，作為乙個經歷了太多的玩家，對於廠家給出的日期是存疑的，不過這次...