Update Chinese Translation (#2871)

* New Crowdin translations by Github Action * remove removed files in en_US Co-authored-by: Crowdin Bot <support+bot@crowdin.com>

Update Chinese Translation (#2871)
* New Crowdin translations by Github Action * remove removed files in en_US Co-authored-by: Crowdin Bot <support+bot@crowdin.com>
0e49e659 · Junwei Sun · GitHub · 171400ee · 0e49e659 · 0e49e659
Unverified Commit 0e49e659 authored Sep 18, 2020 by Junwei Sun Committed by GitHub Sep 18, 2020
20 changed files
--- a/docs/zh_CN/Tuner/BuiltinTuner.md
+++ b/docs/zh_CN/Tuner/BuiltinTuner.md
-# 内置的超参调优 Tuner
+# 使用 NNI 内置 Tuner 进行超参数调优
-NNI 提供了先进的调优算法，使用上也很简单。 下面是内置 Tuner 的简单介绍：
+为了让机器学习/深度学习模型适应不同的任务/问题，超参数总是需要调优。 自动化超参数调优的过程需要好的调优算法。 NNI 提供了先进的调优算法，使用上也很简单。 下面是内置 Tuner 的简单介绍：
-注意：点击 **Tuner 的名称**可看到 Tuner 的安装需求，建议的场景以及示例。 算法的详细说明在每个 Tuner 建议场景的最后。 [本文](../CommunitySharings/HpoComparision.md)对比了不同 Tuner 在几个问题下的不同效果。
+注意：点击 **Tuner 的名称**可看到 Tuner 的安装需求，建议的场景以及示例。 算法的详细说明在每个 Tuner 建议场景的最后。 [本文](../CommunitySharings/HpoComparison.md)对比了不同 Tuner 在几个问题下的不同效果。
 当前支持的算法：
@@ -386,7 +386,7 @@ advisor:
 **classArgs 要求：**
 * **optimize_mode** (*'maximize' 或 'minimize', 可选项, 默认值为 'maximize'*) - 如果为 'maximize'，表示 Tuner 的目标是将指标最大化。 如果为 'minimize'，表示 Tuner 的目标是将指标最小化。
-* **utility** (*'ei', 'ucb' 或 'poi', 可选, 默认值为 'ei'*) - 工具函数的类型（采集函数）。 'ei', 'ucb' 和 'poi' 分别对应 '期望的改进（Expected Improvement）', '上限置信度边界（Upper Confidence Bound）' 和 '改进概率（Probability of Improvement）'。 
+* **utility** (*'ei', 'ucb' 或 'poi', 可选, 默认值为 'ei'*) - 工具函数的类型（采集函数）。 'ei', 'ucb' 和 'poi' 分别对应 '期望的改进（Expected Improvement）', '上限置信度边界（Upper Confidence Bound）' 和 '改进概率（Probability of Improvement）'。
 * **kappa** (*float, 可选, 默认值为 5*) - 用于 'ucb' 函数。 `kappa` 越大， Tuner 的探索性越强。
 * **xi** (*float, 可选, 默认为 0*) - 用于 'ei' 和 'poi' 工具函数。 `xi` 越大， Tuner 的探索性越强。
 * **nu** (*float, 可选, 默认为 2.5*) - 用于指定 Matern 核。 nu 越小，近似函数的平滑度越低。

--- a/docs/zh_CN/Tuner/CustomizeAdvisor.md
+++ b/docs/zh_CN/Tuner/CustomizeAdvisor.md
@@ -33,7 +33,7 @@ advisor:
    arg1: value1
 ```
-**注意：**Advisor 的工作目录是`<home>/nni/experiments/<experiment_id>/log` 可从环境变量 `NNI_LOG_DIRECTORY` 中获取。
+**注意：**Advisor 的工作目录是`<home>/nni-experiments/<experiment_id>/log` 可从环境变量 `NNI_LOG_DIRECTORY` 中获取。
 ## 示例

--- a/docs/zh_CN/Tuner/CustomizeTuner.md
+++ b/docs/zh_CN/Tuner/CustomizeTuner.md
@@ -86,7 +86,7 @@ parameters = {"dropout": 0.3, "learning_rate": 0.4}
 value = 0.93
 ```
-**注意：**Tuner 的工作目录是 `<home>/nni/experiments/<experiment_id>/log`，可使用环境变量 `NNI_LOG_DIRECTORY`，因此 ，如果要访问自己 Tuner 目录中的文件（如： `data.txt`）不能直接使用 `open('data.txt', 'r')`。 要使用：
+**注意：**Tuner 的工作目录是 `<home>/nni-experiments/<experiment_id>/log`，可使用环境变量 `NNI_LOG_DIRECTORY`，因此 ，如果要访问自己 Tuner 目录中的文件（如： `data.txt`）不能直接使用 `open('data.txt', 'r')`。 要使用：
 ```python
 _pwd = os.path.dirname(__file__)

--- a/docs/zh_CN/Tuner/NetworkmorphismTuner.md
+++ b/docs/zh_CN/Tuner/NetworkmorphismTuner.md
@@ -56,10 +56,10 @@ nni.report_final_result(best_acc)
 ```python
 # 1. 使用 NNI API
-## 从 Web 界面获取最佳模型的 ID
+## 可以通过 Web 界面获取最佳模型
-## 或查看 `nni/experiments/experiment_id/log/model_path/best_model.txt' 文件
+## 或者通过 `nni-experiments/experiment_id/log/model_path/best_model.txt'
-## 从 JSON 文件中读取，并使用 NNI API 来加载
+## 从模型文件中读取 json 字符串并使用 NNI API 加载
 with open("best-model.json") as json_file:
    json_of_model = json_file.read()
 model = build_graph_from_json(json_of_model)

--- a/docs/zh_CN/Tutorial/ExperimentConfig.md
+++ b/docs/zh_CN/Tutorial/ExperimentConfig.md
@@ -293,7 +293,7 @@ NNI 会校验 remote, pai 和 Kubernetes 模式下 NNIManager 与 trialKeeper 
 ### logDir
-可选。 目录的路径。 默认值：`<user home directory>/nni/experiment`。
+可选。 目录的路径。 默认值：`<user home directory>/nni-experiments`。
 配置目录以存储 Experiment 的日志和数据。
@@ -575,7 +575,7 @@ NNI 会校验 remote, pai 和 Kubernetes 模式下 NNIManager 与 trialKeeper 
 #### maxTrialNumPerGpu
-可选。 整数。 默认值：99999。
+可选。 整数。 默认值： 1。
 用于指定 GPU 设备上的最大并发 Trial 的数量。

--- a/docs/zh_CN/Tutorial/FAQ.md
+++ b/docs/zh_CN/Tutorial/FAQ.md
@@ -43,7 +43,7 @@ nnictl 在执行时，使用 tmp 目录作为临时目录来复制 codeDir 下
 * `http://127.0.0.1`，`http://172.17.0.1` 以及 `http://10.0.0.15` 都是 localhost。如果在服务器或远程计算机上启动 Experiment， 可将此 IP 替换为所连接的 IP 来查看 Web 界面，如 `http://[远程连接的地址]:8080`
 * 如果使用服务器 IP 后还是无法看到 Web 界面，可检查此服务器上是否有防火墙或需要代理。 或使用此运行 NNI Experiment 的服务器上的浏览器来查看 Web 界面。
-* 另一个可能的原因是 Experiment 启动失败了，NNI 无法读取 Experiment 的信息。 可在如下目录中查看 NNIManager 的日志： `~/nni/experiment/[your_experiment_id]` `/log/nnimanager.log`
+* 另一个可能的原因是 Experiment 启动失败了，NNI 无法读取 Experiment 的信息。 可在如下目录中查看 NNIManager 的日志： `~/nni-experiments/[your_experiment_id]` `/log/nnimanager.log`
 ### RESTful 服务器启动失败

--- a/docs/zh_CN/Tutorial/HowToDebug.md
+++ b/docs/zh_CN/Tutorial/HowToDebug.md
@@ -23,9 +23,9 @@ NNI 中有三种日志。 在创建 Experiment 时，可增加命令行参数 `-
 ### Experiment 根目录
-每个 Experiment 都有一个根目录，会显示在 Web 界面的右上角。 如果无法打开 Web 界面，可将 `~/nni/experiment/experiment_id/` 中的 `experiment_id` 替换为实际的 Experiment ID，来组合出根目录。 `experiment_id` 可以在运行 `nnictl create ...` 来创建新 Experiment 的输出中找到。
+每个 Experiment 都有一个根目录，会显示在 Web 界面的右上角。 如果无法打开 Web 界面，可将 `~/nni-experiments/experiment_id/` 中的 `experiment_id` 替换为实际的 Experiment ID，来组合出根目录。 `experiment_id` 可以在运行 `nnictl create ...` 来创建新 Experiment 的输出中找到。
-> 如有需要，可以在配置文件中修改 `logDir`，来指定存储 Experiment 的目录。（默认为 `~/nni/experiment`）。 参考[配置](ExperimentConfig.md)文档，了解更多信息。
+> 如有需要，可以在配置文件中修改 `logDir`，来指定存储 Experiment 的目录。（默认为 `~/nni-experiments`）。 参考[配置](ExperimentConfig.md)文档，了解更多信息。
 在此目录下，还会有另一个叫做 `log` 的目录，`nnimanager.log` 和 `dispatcher.log` 都在此目录中。

--- a/docs/zh_CN/Tutorial/InstallationLinux.md
+++ b/docs/zh_CN/Tutorial/InstallationLinux.md
@@ -6,7 +6,7 @@
 ### 通过 pip 命令安装 NNI
-先决条件：`python 64-bit >= 3.5`
+先决条件：`python 64-bit >= 3.6`
    bash
      python3 -m pip install --upgrade nni
@@ -15,10 +15,10 @@
 如果对某个或最新版本的代码感兴趣，可通过源代码安装 NNI。
-先决条件：`python 64-bit >=3.5`, `git`, `wget`
+先决条件：`python 64-bit >=3.6`, `git`, `wget`
    bash
-      git clone -b v1.6 https://github.com/Microsoft/nni.git
+      git clone -b v1.8 https://github.com/Microsoft/nni.git
      cd nni
      ./install.sh
@@ -33,7 +33,7 @@
 * 通过克隆源代码下载示例。
    ```bash
-    git clone -b v1.6 https://github.com/Microsoft/nni.git
+    git clone -b v1.8 https://github.com/Microsoft/nni.git
    ```
 * 运行 MNIST 示例。

--- a/docs/zh_CN/Tutorial/InstallationWin.md
+++ b/docs/zh_CN/Tutorial/InstallationWin.md
@@ -2,7 +2,7 @@
 ## 先决条件
-* Python 3.5（或以上）64 位。 在 Windows 上推荐使用 [Anaconda](https://www.anaconda.com/products/individual) 或 [Miniconda](https://docs.conda.io/en/latest/miniconda.html) 来管理多个 Python 环境。
+* Python 3.6（或以上）64 位。 在 Windows 上推荐使用 [Anaconda](https://www.anaconda.com/products/individual) 或 [Miniconda](https://docs.conda.io/en/latest/miniconda.html) 来管理多个 Python 环境。
 * 如果是新安装的 Python 环境，需要安装 [Microsoft C++ Build Tools](https://visualstudio.microsoft.com/visual-cpp-build-tools/) 来支持 NNI 的依赖项，如 `scikit-learn`。
@@ -29,7 +29,7 @@
 * 从源代码安装
    ```bat
-    git clone -b v1.6 https://github.com/Microsoft/nni.git
+    git clone -b v1.8 https://github.com/Microsoft/nni.git
    cd nni
    powershell -ExecutionPolicy Bypass -file install.ps1
    ```
@@ -41,7 +41,7 @@
 * 克隆源代码中的示例。
    ```bat
-    git clone -b v1.6 https://github.com/Microsoft/nni.git
+    git clone -b v1.8 https://github.com/Microsoft/nni.git
    ```
 * 运行 MNIST 示例。

--- a/docs/zh_CN/Tutorial/Nnictl.md
+++ b/docs/zh_CN/Tutorial/Nnictl.md
@@ -267,10 +267,10 @@ nnictl 支持的命令：
  * 选项
-  | 参数及缩写       | 是否必需  | 默认值 | 说明                                                                       |
+  | 参数及缩写       | 是否必需  | 默认值 | 说明                                                                     |
-  | ----------- | ----- | --- | ------------------------------------------------------------------------ |
+  | ----------- | ----- | --- | ---------------------------------------------------------------------- |
-  | id          | False |     | 需要设置的 Experiment 的 ID                                                    |
+  | id          | False |     | 需要设置的 Experiment 的 ID                                                  |
-  | --value, -v | True  |     | Experiment 持续时间，如没有单位，则为秒。 后缀可以为 's' 即秒 (默认值), 'm' 即分钟, 'h' 即小时或 'd' 即天。 |
+  | --value, -v | True  |     | 形如 '1m' （一分钟）或 '2h' （两小时）的字符串。 后缀可以为 's'（秒）, 'm'（分钟）, 'h'（小时）或 'd'（天）。 |
  * 示例
@@ -315,19 +315,23 @@ nnictl 支持的命令：
  * 说明
-    使用此命令来查看 Trial 的信息。
+    使用此命令来查看 Trial 的信息。 注意如果 `head` 或 `tail` 被设置, 则只有完成的 Trial 会被展示。
  * 用法
    ```bash
    nnictl trial ls
+    nnictl trial ls --head 10
+    nnictl trial ls --tail 10
    ```
  * 选项
-  | 参数及缩写 | 是否必需  | 默认值 | 说明                    |
+  | 参数及缩写  | 是否必需  | 默认值 | 说明                    |
-  | ----- | ----- | --- | --------------------- |
+  | ------ | ----- | --- | --------------------- |
-  | id    | False |     | 需要设置的 Experiment 的 id |
+  | id     | False |     | 需要设置的 Experiment 的 id |
+  | --head | False |     | 依据最高默认指标列出的项数。        |
+  | --tail | False |     | 依据最低默认指标列出的项数。        |
 * **nnictl trial kill**
@@ -454,8 +458,6 @@ nnictl 支持的命令：
  | id    | False |     | Experiment ID   |
  | --all | False |     | 删除所有 Experiment |
-<a name="export"></a>
 * **nnictl experiment export**
  * 说明
@@ -470,18 +472,19 @@ nnictl 支持的命令：
  * 选项
-  | 参数及缩写          | 是否必需  | 默认值 | 说明                        |
+  | 参数及缩写              | 是否必需  | 默认值 | 说明                        |
-  | -------------- | ----- | --- | ------------------------- |
+  | ------------------ | ----- | --- | ------------------------- |
-  | id             | False |     | Experiment ID             |
+  | id                 | False |     | Experiment ID             |
-  | --filename, -f | True  |     | 文件的输出路径                   |
+  | --filename, -f     | True  |     | 文件的输出路径                   |
-  | --type         | True  |     | 输出文件类型，仅支持 "csv" 和 "json" |
+  | --type             | True  |     | 输出文件类型，仅支持 "csv" 和 "json" |
+  | --intermediate, -i | False |     | 是否保存中间结果                  |
  * 示例
  > 将 Experiment 中所有 Trial 数据导出为 JSON 格式
  ```bash
-  nnictl experiment export [experiment_id] --filename [file_path] --type json
+  nnictl experiment export [experiment_id] --filename [file_path] --type json --intermediate
  ```
 * **nnictl experiment import**
@@ -542,6 +545,62 @@ nnictl 支持的命令：
    nnictl experiment import [experiment_id] -f experiment_data.json
    ```
+* **nnictl experiment save**
+  * 说明
+    保存 NNI Experiment 的元数据及代码数据
+  * 用法
+    ```bash
+    nnictl experiment save [OPTIONS]
+    ```
+  * 选项
+  | 参数及缩写             | 是否必需  | 默认值 | 说明                                 |
+  | ----------------- | ----- | --- | ---------------------------------- |
+  | id                | True  |     | 要保存的 Experiment 标识                 |
+  | --path, -p        | False |     | 保存 NNI Experiment 数据的路径，默认为当前工作目录  |
+  | --saveCodeDir, -s | False |     | 是否保存 Experiment 的代码目录的数据，默认为 False |
+  * 示例
+  > 保存 Experiment
+  ```bash
+  nnictl experiment save [experiment_id] --saveCodeDir
+  ```
+* **nnictl experiment load**
+  * 说明
+    加载 NNI Experiment
+  * 用法
+    ```bash
+    nnictl experiment load [OPTIONS]
+    ```
+  * 选项
+  | 参数及缩写         | 是否必需  | 默认值 | 说明                                 |
+  | ------------- | ----- | --- | ---------------------------------- |
+  | --path, -p    | True  |     | NNI 包的文件路径                         |
+  | --codeDir, -c | True  |     | 要加载的实验的代码目录，加载的 NNI 包中的代码也会放到此目录下。 |
+  | --logDir, -l  | False |     | 存放加载的实验的日志的目录。                     |
+  * 示例
+  > 加载 Experiment
+  ```bash
+  nnictl experiment load --path [path] --codeDir [codeDir]
+  ```
 <a name="platform"></a>
 ### 管理平台信息
@@ -631,7 +690,7 @@ nnictl 支持的命令：
  | 参数及缩写      | 是否必需  | 默认值 | 说明                    |
  | ---------- | ----- | --- | --------------------- |
-  | id         | False |     | 需要设置的 Experiment 的 id |
+  | id         | False |     | 需要设置的 Experiment 的 ID |
  | --head, -h | False |     | 显示 stderr 开始的若干行      |
  | --tail, -t | False |     | 显示 stderr 结尾的若干行      |
  | --path, -p | False |     | 显示 stderr 文件的路径       |
@@ -681,7 +740,7 @@ nnictl 支持的命令：
  | 参数及缩写          | 是否必需  | 默认值  | 说明                    |
  | -------------- | ----- | ---- | --------------------- |
-  | id             | False |      | 需要设置的 Experiment 的 id |
+  | id             | False |      | 需要设置的 Experiment 的 ID |
  | --trial_id, -T | False |      | Trial 的 ID            |
  | --port         | False | 6006 | Tensorboard 进程的端口     |
@@ -690,7 +749,7 @@ nnictl 支持的命令：
    1. NNICTL 当前仅支持本机和远程平台的 Tensorboard，其它平台暂不支持。
    2. 如果要使用 Tensorboard，需要将 Tensorboard 日志输出到环境变量 [NNI_OUTPUT_DIR] 路径下。
    3. 在 local 模式中，nnictl 会直接设置 --logdir=[NNI_OUTPUT_DIR] 并启动 Tensorboard 进程。
-    4. 在 remote 模式中，nnictl 会创建一个 SSH 客户端来将日志数据从远程计算机复制到本机临时目录中，然后在本机开始 Tensorboard 进程。 需要注意的是，nnictl 只在使用此命令时复制日志数据，如果要查看最新的 tensorboard 结果，需要再次执行 nnictl tensorboard 命令。
+    4. 在 remote 模式中，nnictl 会创建一个 SSH 客户端来将日志数据从远程计算机复制到本机临时目录中，然后在本机开始 Tensorboard 进程。 需要注意的是，nnictl 只在使用此命令时复制日志数据，如果要查看最新的 Tensorboard 结果，需要再次执行 nnictl tensorboard 命令。
    5. 如果只有一个 Trial 任务，不需要设置 Trial ID。 如果有多个运行的 Trial 任务，需要设置 Trial ID，或使用 [nnictl tensorboard start --trial_id all] 来将 --logdir 映射到所有 Trial 的路径。
 * **nnictl tensorboard stop**
@@ -729,7 +788,7 @@ nnictl 支持的命令：
    可通过 `nnictl package list` 命令查看可用的`<包名称>`。
-    或者
+    或
    ```bash
    nnictl package install <安装源>
@@ -773,7 +832,7 @@ nnictl 支持的命令：
  * 说明
-    列出安装的、所有包。
+    列出已安装的包 / 所有包。
  * 用法

--- a/docs/zh_CN/Tutorial/QuickStart.md
+++ b/docs/zh_CN/Tutorial/QuickStart.md
@@ -2,7 +2,7 @@
 ## 安装
-目前支持 Linux、macOS 和 Windows。 Ubuntu 16.04 或更高版本、macOS 10.14.1 和 Windows 10.1809 均经过测试并支持。 在 `python >= 3.5` 的环境中，只需要运行 `pip install` 即可完成安装。
+目前支持 Linux、macOS 和 Windows。 Ubuntu 16.04 或更高版本、macOS 10.14.1 和 Windows 10.1809 均经过测试并支持。 在 `python >= 3.6` 的环境中，只需要运行 `pip install` 即可完成安装。
 ### Linux 和 macOS

--- a/docs/zh_CN/Tutorial/SearchSpaceSpec.md
+++ b/docs/zh_CN/Tutorial/SearchSpaceSpec.md
@@ -21,7 +21,7 @@
 将第一行作为示例。 `dropout_rate` 定义了一个变量，先验分布为均匀分布，范围从 `0.1` 到 `0.5`。
-注意，搜索空间的效果与 Tuner 高度相关。 此处列出了内置 Tuner 所支持的类型。 对于自定义的 Tuner，不必遵循鞋标，可使用任何的类型。
+注意：搜索空间中可用的取样策略取决于要使用的 Tuner 。 此处列出了内置 Tuner 所支持的类型。 对于自定义的 Tuner，不必遵循这些约定，可使用任何的类型。
 ## 类型
@@ -29,13 +29,8 @@
 * `{"_type": "choice", "_value": options}`
-  * 表示变量的值是选项之一。 这里的 `options` 应该是字符串或数值的列表。 可将任意对象（如子数组，数字与字符串的混合值或者空值）存入此数组中，但可能会产生不可预料的行为。
+  * 变量值为 options 中之一。 这里的 `options` 应该是字符串或数值的列表。 可将任意对象（如子数组，数字与字符串的混合值或者空值）存入此数组中，但可能会产生不可预料的行为。
-  * `options` 也可以是嵌套的子搜索空间。此子搜索空间仅在相应的元素选中后才起作用。 该子搜索空间中的变量可看作是条件变量。 <a [嵌套搜索空间的简单示例](https://github.com/microsoft/nni/tree/master/examples/trials/mnist-nested-search-space/search_space.json)。 如果选项列表中的元素是 dict，则它是一个子搜索空间，对于内置的 Tuner，必须在此 dict 中添加键 `_name`，这有助于标识选中的元素。 相应的，这是使用从 NNI 获得的嵌套搜索空间的[示例](https://github.com/microsoft/nni/tree/master/examples/trials/mnist-nested-search-space/sample.json)。 以下 Tuner 支持嵌套搜索空间：
+  * `options` 也可以是嵌套的子搜索空间。此子搜索空间仅在相应的元素选中后才起作用。 该子搜索空间中的变量可看作是条件变量。 <a [嵌套搜索空间的简单示例](https://github.com/microsoft/nni/tree/master/examples/trials/mnist-nested-search-space/search_space.json)。 如果选项列表中的元素是 dict，则它是一个子搜索空间，对于内置的 Tuner，必须在此 dict 中添加键 `_name`，这有助于标识选中的元素。 相应的，这是使用从 NNI 获得的嵌套搜索空间的[示例](https://github.com/microsoft/nni/tree/master/examples/trials/mnist-nested-search-space/sample.json)。 参见下表了解支持嵌套搜索空间的 Tuner 。
-    * Random Search（随机搜索） 
-    * TPE
-    * Anneal（退火算法）
-    * Evolution
 * `{"_type": "randint", "_value": [lower, upper]}`
@@ -44,7 +39,7 @@
 * `{"_type": "uniform", "_value": [low, high]}`
-  * 变量是 low 和 high 之间均匀分布的值。
+  * 变量值在 low 和 high 之间均匀采样。
  * 当优化时，此变量值会在两侧区间内。
 * `{"_type": "quniform", "_value": [low, high, q]}`
@@ -68,7 +63,7 @@
 * `{"_type": "qnormal", "_value": [mu, sigma, q]}`
-  * 这表示变量值会类似于 `round(normal(mu, sigma) / q) * q`
+  * 变量的值由 `round(normal(mu, sigma) / q) * q` 确定。
  * 适用于在 mu 周围的离散变量，且没有上下限限制。
 * `{"_type": "lognormal", "_value": [mu, sigma]}`
@@ -77,23 +72,23 @@
 * `{"_type": "qlognormal", "_value": [mu, sigma, q]}`
-  * 这表示变量值会类似于 `round(exp(normal(mu, sigma)) / q) * q`
+  * 变量的值由 `round(exp(normal(mu, sigma)) / q) * q` 确定。
  * 适用于值是“平滑”的离散变量，但某一边有界。
 ## 每种 Tuner 支持的搜索空间类型
-|                     |  choice  | randint  | uniform  | quniform | loguniform | qloguniform |  normal  | qnormal  | lognormal | qlognormal |
+|                     |  choice  | choice(nested) | randint  | uniform  | quniform | loguniform | qloguniform |  normal  | qnormal  | lognormal | qlognormal |
-|:-------------------:|:--------:|:--------:|:--------:|:--------:|:----------:|:-----------:|:--------:|:--------:|:---------:|:----------:|
+|:-------------------:|:--------:|:--------------:|:--------:|:--------:|:--------:|:----------:|:-----------:|:--------:|:--------:|:---------:|:----------:|
-|      TPE Tuner      | &#10003; | &#10003; | &#10003; | &#10003; |  &#10003;  |  &#10003;   | &#10003; | &#10003; | &#10003;  |  &#10003;  |
+|      TPE Tuner      | &#10003; |    &#10003;    | &#10003; | &#10003; | &#10003; |  &#10003;  |  &#10003;   | &#10003; | &#10003; | &#10003;  |  &#10003;  |
-| Random Search Tuner | &#10003; | &#10003; | &#10003; | &#10003; |  &#10003;  |  &#10003;   | &#10003; | &#10003; | &#10003;  |  &#10003;  |
+| Random Search Tuner | &#10003; |    &#10003;    | &#10003; | &#10003; | &#10003; |  &#10003;  |  &#10003;   | &#10003; | &#10003; | &#10003;  |  &#10003;  |
-|    Anneal Tuner     | &#10003; | &#10003; | &#10003; | &#10003; |  &#10003;  |  &#10003;   | &#10003; | &#10003; | &#10003;  |  &#10003;  |
+|    Anneal Tuner     | &#10003; |    &#10003;    | &#10003; | &#10003; | &#10003; |  &#10003;  |  &#10003;   | &#10003; | &#10003; | &#10003;  |  &#10003;  |
-|   Evolution Tuner   | &#10003; | &#10003; | &#10003; | &#10003; |  &#10003;  |  &#10003;   | &#10003; | &#10003; | &#10003;  |  &#10003;  |
+|   Evolution Tuner   | &#10003; |    &#10003;    | &#10003; | &#10003; | &#10003; |  &#10003;  |  &#10003;   | &#10003; | &#10003; | &#10003;  |  &#10003;  |
-|     SMAC Tuner      | &#10003; | &#10003; | &#10003; | &#10003; |  &#10003;  |             |          |          |           |            |
+|     SMAC Tuner      | &#10003; |                | &#10003; | &#10003; | &#10003; |  &#10003;  |             |          |          |           |            |
-|     Batch Tuner     | &#10003; |          |          |          |            |             |          |          |           |            |
+|     Batch Tuner     | &#10003; |                |          |          |          |            |             |          |          |           |            |
-|  Grid Search Tuner  | &#10003; | &#10003; |          | &#10003; |            |             |          |          |           |            |
+|  Grid Search Tuner  | &#10003; |                | &#10003; |          | &#10003; |            |             |          |          |           |            |
-|  Hyperband Advisor  | &#10003; | &#10003; | &#10003; | &#10003; |  &#10003;  |  &#10003;   | &#10003; | &#10003; | &#10003;  |  &#10003;  |
+|  Hyperband Advisor  | &#10003; |                | &#10003; | &#10003; | &#10003; |  &#10003;  |  &#10003;   | &#10003; | &#10003; | &#10003;  |  &#10003;  |
-|     Metis Tuner     | &#10003; | &#10003; | &#10003; | &#10003; |            |             |          |          |           |            |
+|     Metis Tuner     | &#10003; |                | &#10003; | &#10003; | &#10003; |            |             |          |          |           |            |
-|      GP Tuner       | &#10003; | &#10003; | &#10003; | &#10003; |  &#10003;  |  &#10003;   |          |          |           |            |
+|      GP Tuner       | &#10003; |                | &#10003; | &#10003; | &#10003; |  &#10003;  |  &#10003;   |          |          |           |            |
 已知的局限：
@@ -101,5 +96,4 @@
 * 请注意，对于嵌套搜索空间：
      * 只有 随机搜索/TPE/Anneal/Evolution Tuner 支持嵌套搜索空间
-      * 不支持嵌套搜索空间 "超参" 的可视化，对其的改进通过 [#1110](https://github.com/microsoft/nni/issues/1110) 来跟踪 。欢迎任何建议和贡献。
\ No newline at end of file
\ No newline at end of file
--- a/docs/zh_CN/Tutorial/SetupNniDeveloperEnvironment.md
+++ b/docs/zh_CN/Tutorial/SetupNniDeveloperEnvironment.md
@@ -47,7 +47,8 @@ nnictl create --config examples/trials/mnist-tfv1/config.yml
 #### TypeScript
 * 如改动了 `src/nni_manager`，在此目录下运行 `yarn watch` 可持续编译改动。 它将持续的监视并编译代码。 可能需要重启 `nnictl` 来重新加载 NNI 管理器。
-* 如果改动了 `src/webui` 或 `src/nasui`，在相应目录下运行 `yarn start`。 Web 界面会在代码修改后自动刷新。
+* 如改动了 `src/webui`， 运行 `yarn dev`， 该命令将同时运行一个 模拟 API 服务器和一个 webpack 开发服务器。 使用环境变量 `EXPERIMENT`（例如 `mnist-tfv1-running`）来指定要用到的模拟数据。 内置的模拟实验列在 `src/webui/mock`。 完整示例： `EXPERIMENT=mnist-tfv1-running yarn dev`。
+* 如改动了 `src/webui` 或 `src/nasui`，在相应目录下运行 `yarn start`。 Web 界面会在代码修改后自动刷新。 还有一个在开发时有用的模拟 API 服务器， 可以通过 `node server.js` 来启动。
 ### 5. 提交拉取请求

--- a/docs/zh_CN/_templates/index.html
+++ b/docs/zh_CN/_templates/index.html
@@ -18,8 +18,10 @@
  <a href="{{ pathto('TrainingService/RemoteMachineMode') }}">远程服务器</a>,
  <a href="{{ pathto('TrainingService/PaiMode') }}">OpenPAI</a>,
  <a href="{{ pathto('TrainingService/KubeflowMode') }}">Kubeflow</a>,
-  <a href="{{ pathto('TrainingService/FrameworkControllerMode') }}">基于 K8S 的 FrameworkController（如，AKS 等)</a>
+  <a href="{{ pathto('TrainingService/FrameworkControllerMode') }}">基于 K8S 的 FrameworkController（如，AKS 等)</a>,
-  <a href="{{ pathto('TrainingService/DLTSMode') }}">DLWorkspace (又称 DLTS)</a>，以及其它云服务。
+  <a href="{{ pathto('TrainingService/DLTSMode') }}">DLWorkspace (又称 DLTS)</a>,
+  <a href="{{ pathto('TrainingService/AMLMode') }}">AML (Azure Machine Learning)</a>
+以及其它云服务。
 </p>
 <!-- Who should consider using NNI -->
 <div>
@@ -185,6 +187,7 @@
            <li><a href="{{ pathto('TrainingService/FrameworkControllerMode') }}">基于 K8S 的 FrameworkController (如 AKS 等)</a>
            </li>
            <li><a href="{{ pathto('TrainingService/DLTSMode') }}">DLWorkspace (又称 DLTS)</a></li>
+            <li><a href="{{ pathto('TrainingService/AMLMode') }}">AML (Azure Machine Learning)</a></li>
          </ul>
        </ul>
      </td>
@@ -221,7 +224,7 @@
  <div>
    <h2 class="second-title">安装</h2>
    <p>
-      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。
+      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 >= 3.6` 的环境中，只需要运行 `pip install` 即可完成安装。
    </p>
    <div class="command-intro">Linux 或 macOS</div>
    <div class="command">python3 -m pip install --upgrade nni</div>
@@ -249,7 +252,7 @@
    <ul>
      <li>
        <p>通过克隆源代码下载示例。</p>
-        <div class="command">git clone -b v{{ release }} https://github.com/Microsoft/nni.git</div>
+        <div class="command">git clone -b {{ release }} https://github.com/Microsoft/nni.git</div>
      </li>
      <li>
        <p>运行 MNIST 示例。</p>

--- a/docs/zh_CN/conf.py
+++ b/docs/zh_CN/conf.py
@@ -17,6 +17,7 @@ from recommonmark.parser import CommonMarkParser
 import os
 import sys
 sys.path.insert(0, os.path.abspath('../../src/sdk/pynni'))
+sys.path.insert(1, os.path.abspath('../../src/sdk/pycli'))
 # -- Project information ---------------------------------------------------
@@ -28,7 +29,7 @@ author = 'Microsoft'
 # The short X.Y version
 version = ''
 # The full version, including alpha/beta/rc tags
-release = 'v1.6'
+release = 'v1.8'
 # -- General configuration ---------------------------------------------------

--- a/docs/zh_CN/contents.rst
+++ b/docs/zh_CN/contents.rst
@@ -16,7 +16,7 @@ Neural Network Intelligence
    模型压缩<model_compression>
    特征工程<feature_engineering>
    参考<reference>
-    社区分享 <CommunitySharings/community_sharings>
+    示例与解决方案<CommunitySharings/community_sharings>
    常见问题 <Tutorial/FAQ>
    如何贡献 <contribution>
    更改日志 <Release>
\ No newline at end of file
--- a/docs/zh_CN/examples.rst
+++ b/docs/zh_CN/examples.rst
@@ -8,9 +8,4 @@
    MNIST<./TrialExample/MnistExamples>
    Cifar10<./TrialExample/Cifar10Examples>
    Scikit-learn<./TrialExample/SklearnExamples>
-    EvolutionSQuAD<./TrialExample/SquadEvolutionExamples>
+    GBDT<./TrialExample/GbdtExample>
-    GBDT<./TrialExample/GbdtExample>
\ No newline at end of file
-    RocksDB <./TrialExample/RocksdbExamples>
-    OpEvo <./TrialExample/OpEvoExamples>
-    KD 示例 <./TrialExample/KDExample>
-    EfficientNet <./TrialExample/EfficientNet>
--- a/docs/zh_CN/index.rst
+++ b/docs/zh_CN/index.rst
-###########################
-Neural Network Intelligence
-###########################
-..  toctree::
-    :caption: 目录
-    :maxdepth: 2
-    :titlesonly:
-    概述<Overview>
-    安装 <installation>
-    入门<Tutorial/QuickStart>
-    自动（超参数）调优 <hyperparameter_tune>
-    神经网络架构搜索<nas>
-    模型压缩<model_compression>
-    特征工程<feature_engineering>
-    参考<reference>
-    社区分享 <CommunitySharings/community_sharings>
-    常见问题 <Tutorial/FAQ>
-    如何贡献 <contribution>
-    更改日志 <Release>
\ No newline at end of file
--- a/docs/zh_CN/nas.rst
+++ b/docs/zh_CN/nas.rst
@@ -23,5 +23,6 @@
    One-Shot NAS <NAS/one_shot_nas>
    自定义 NAS 算法 <NAS/Advanced>
    NAS 可视化 <NAS/Visualization>
+    Search Space Zoo <NAS/SearchSpaceZoo>
    NAS 基准测试 <NAS/Benchmarks>
    API 参考 <NAS/NasReference>
--- a/docs/zh_CN/nnicli_ref.md
+++ b/docs/zh_CN/nnicli_ref.md
+# NNI 客户端
+NNI client 是 `nnictl` 的python API，提供了对常用命令的实现。 相比于命令行，用户可以通过此 API 来在 python 代码中直接操控实验，收集实验结果并基于实验结果进行更加高级的分析。 示例如下：
+```
+from nnicli import Experiment
+# 创建 Experiment 实例
+exp = Experiment() 
+# 启动 Experiment，并将实例连接到该 Experiment
+# 也可以使用 `resume_experiment`, `view_experiment` 或 `connect_experiment`
+# 同一实例中只有上面中的一个函数应该被调用
+exp.start_experiment('nni/examples/trials/mnist-pytorch/config.yml', port=9090)
+# 更新 Experiment 的并发设置
+exp.update_concurrency(3)
+# 获取 Experiment 的信息
+print(exp.get_experiment_status())
+print(exp.get_job_statistics())
+print(exp.list_trial_jobs())
+# 关闭 Experiment，并将实例与 Experiment 解除关联
+exp.stop_experiment()
+```
+## 参考
+```eval_rst
+..  autoclass:: nnicli.Experiment
+    :members:
+..  autoclass:: nnicli.TrialJob
+    :members:
+..  autoclass:: nnicli.TrialHyperParameters
+    :members:
+..  autoclass:: nnicli.TrialMetricData
+    :members:
+..  autoclass:: nnicli.TrialResult
+    :members:
+```