Update Chinese documents (#3243)

docs/zh_CN/builtin_assessor.rst

@@ -7,7 +7,7 @@ Assessor 从 Trial 中接收中间结果，并通过指定的算法决定此 Tri
 
 这是 MNIST 在 "最大化" 模式下使用 "曲线拟合" Assessor 的实验结果。 可以看到 Assessor 成功的 **提前终止** 了许多结果不好超参组合的 Trial。 使用 Assessor，能在相同的计算资源下，得到更好的结果。
 
-*实现代码：[config_assessor.yml](https://github.com/Microsoft/nni/blob/master/examples/trials/mnist-tfv1/config_assessor.yml) *
+实现代码: :githublink:`config_assessor.yml <examples/trials/mnist-tfv1/config_assessor.yml>`
 
 ..  image:: ../img/Assessor.png
 

docs/zh_CN/conf.py

@@ -12,12 +12,10 @@
 # add these directories to sys.path here. If the directory is relative to the
 # documentation root, use os.path.abspath to make it absolute, like shown here.
 #
-from recommonmark.transform import AutoStructify
-from recommonmark.parser import CommonMarkParser
 import os
+import subprocess
 import sys
-sys.path.insert(0, os.path.abspath('../../src/sdk/pynni'))
-sys.path.insert(1, os.path.abspath('../../src/sdk/pycli'))
+sys.path.insert(0, os.path.abspath('../..'))
 
 
 # -- Project information ---------------------------------------------------
@@ -29,7 +27,7 @@ author = 'Microsoft'
 # The short X.Y version
 version = ''
 # The full version, including alpha/beta/rc tags
-release = 'v1.8'
+release = 'v1.9'
 
 # -- General configuration ---------------------------------------------------
 
@@ -43,12 +41,12 @@ release = 'v1.8'
 extensions = [
     'sphinx.ext.autodoc',
     'sphinx.ext.mathjax',
-    'sphinx_markdown_tables',
     'sphinxarg.ext',
     'sphinx.ext.napoleon',
     'sphinx.ext.viewcode',
     'sphinx.ext.intersphinx',
     'nbsphinx',
+    'sphinx.ext.extlinks',
 ]
 
 # 添加示例模块
@@ -59,12 +57,7 @@ templates_path = ['_templates']
 
 # The suffix(es) of source filenames.
 # You can specify multiple suffix as a list of string:
-#
-source_parsers = {
-    '.md': CommonMarkParser
-}
-
-source_suffix = ['.rst', '.md']
+source_suffix = ['.rst']
 
 # The master toctree document.
 master_doc = 'contents'
@@ -197,12 +190,14 @@ epub_title = project
 # A list of files that should not be packed into the epub file.
 epub_exclude_files = ['search.html']
 
+# external links (for github code)
+# Reference the code via :githublink:`path/to/your/example/code.py`
+git_commit_id = subprocess.check_output(['git', 'rev-parse', 'HEAD']).decode().strip()
+
+extlinks = {
+    'githublink': ('https://github.com/microsoft/nni/blob/' + git_commit_id + '/%s', 'Github link: ')
+}
 
 # -- Extension configuration -------------------------------------------------
 def setup(app):
-    app.add_config_value('recommonmark_config', {
-        'enable_eval_rst': True,
-        'enable_auto_toc_tree': False,
-    }, True)
-    app.add_transform(AutoStructify)
     app.add_stylesheet('css/custom.css')

docs/zh_CN/contents.rst

@@ -17,6 +17,7 @@ Neural Network Intelligence
     特征工程<feature_engineering>
     参考<reference>
     示例与解决方案<CommunitySharings/community_sharings>
+    研究和出版物 <ResearchPublications>
     常见问题 <Tutorial/FAQ>
     如何贡献 <contribution>
     更改日志 <Release>

docs/zh_CN/hpo_advanced.rst

@@ -9,4 +9,4 @@
     编写新的 Advisor <Tuner/CustomizeAdvisor>
     编写新的训练平台 <TrainingService/HowToImplementTrainingService>
     安装自定义的 Tuner，Assessor，Advisor <Tutorial/InstallCustomizedAlgos>
-    如何将自定义的 Tuner 安装为内置 Tuner <Tuner/InstallCustomizedTuner.md>
+    如何将自定义的 Tuner 安装为内置 Tuner <Tuner/InstallCustomizedTuner>

docs/zh_CN/model_compression.rst

@@ -2,7 +2,15 @@
 模型压缩
 #################
 
-NNI 提供了易于使用的工具包来帮助用户设计并使用压缩算法。
+深度神经网络（DNNs）在许多领域都取得了巨大的成功。 然而，典型的神经网络是
+计算和能源密集型的，很难将其部署在计算资源匮乏
+或具有严格延迟要求的设备上。 因此，一个自然的想法就是对模型进行压缩
+以减小模型大小并加速模型训练/推断，同时不会显着降低模型性能。 模型压缩
+技术可以分为两类：剪枝和量化。 剪枝方法探索模型权重中的冗余，
+并尝试删除/修剪冗余和非关键的权重。 量化是指通过减少
+权重表示或激活所需的比特数来压缩模型。
+
+NNI 提供了易于使用的工具包来帮助用户设计并使用剪枝和量化算法。
 其使用了统一的接口来支持 TensorFlow 和 PyTorch。
 只需要添加几行代码即可压缩模型。
 NNI 中也内置了一些流程的模型压缩算法。
@@ -15,12 +23,10 @@ NNI 中也内置了一些流程的模型压缩算法。
 ..  toctree::
     :maxdepth: 2
 
-    概述 <Compressor/Overview>
-    快速入门 <Compressor/QuickStart>
-    Pruners <Compressor/Pruner>
-    Quantizers <Compressor/Quantizer>
-    自动模型压缩 <Compressor/AutoCompression>
-    模型加速 <Compressor/ModelSpeedup>
-    模型压缩 <Compressor/CompressionUtils>
-    压缩框架 <Compressor/Framework>
-    自定义压缩算法 <Compressor/CustomizeCompressor>
+    概述 <Compression/Overview>
+    快速入门 <Compression/QuickStart>
+    剪枝 <Compression/pruning>
+    量化 <Compression/quantization>
+    工具 <Compression/CompressionUtils>
+    框架 <Compression/Framework>
+    自定义压缩算法 <Compression/CustomizeCompressor>

docs/zh_CN/nas.rst

@@ -18,11 +18,11 @@
     :maxdepth: 2
 
     概述 <NAS/Overview>
-    编写搜索空间 <NAS/WriteSearchSpace>
+    定义搜索空间 <NAS/WriteSearchSpace>
     经典 NAS <NAS/ClassicNas>
     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>
+    搜索空间集合 <NAS/SearchSpaceZoo>
     NAS 基准测试 <NAS/Benchmarks>
     API 参考 <NAS/NasReference>

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:
-```

docs/zh_CN/nnicli_ref.rst

+NNI 客户端
+==========
+
+NNI 客户端是 ``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：
+
+.. code-block:: bash
+
+   from nni.experiment import Experiment
+
+   # 创建一个实验实例
+   exp = Experiment() 
+
+   # 开始一个实验，将实例与实验连接
+   # 你也可以使用 `resume_experiment`, `view_experiment` 或者 `connect_experiment`
+   # 在一个实例中只能调用其中一个
+   exp.start_experiment('nni/examples/trials/mnist-pytorch/config.yml', port=9090)
+
+   # 更新实验的并发数量
+   exp.update_concurrency(3)
+
+   # 获取与实验相关的信息
+   print(exp.get_experiment_status())
+   print(exp.get_job_statistics())
+   print(exp.list_trial_jobs())
+
+   # 停止一个实验，将实例与实验断开
+   exp.stop_experiment()
+
+参考
+----------
+
+..  autoclass:: nni.experiment.Experiment
+    :members:
+..  autoclass:: nni.experiment.TrialJob
+    :members:
+..  autoclass:: nni.experiment.TrialHyperParameters
+    :members:
+..  autoclass:: nni.experiment.TrialMetricData
+    :members:
+..  autoclass:: nni.experiment.TrialResult
+    :members:

docs/zh_CN/sdk_reference.rst

@@ -8,5 +8,5 @@ Python API 参考
 
     自动调优 <autotune_ref>
     NAS <NAS/NasReference>
-    模型压缩 <Compressor/CompressionReference>
+    模型压缩 <Compression/CompressionReference>
     NNI 客户端 <nnicli_ref>
\ No newline at end of file

docs/zh_CN/training_services.rst

@@ -8,6 +8,8 @@ NNI 支持的训练平台介绍
     OpenPAI<./TrainingService/PaiMode>
     OpenPAI Yarn 模式<./TrainingService/PaiYarnMode>
     Kubeflow<./TrainingService/KubeflowMode>
+    AdaptDL<./TrainingService/AdaptDLMode>
     FrameworkController<./TrainingService/FrameworkControllerMode>
     DLTS<./TrainingService/DLTSMode>
     AML<./TrainingService/AMLMode>
+    Heterogeneous<./TrainingService/HeterogeneousMode>

examples/model_compress/amc/README_zh_CN.md

+# AMCPruner 示例
+此示例将说明如何使用 AMCPruner。
+
+## 步骤一：训练模型
+运行以下命令来训练 mobilenetv2 模型：
+```bash
+python3 amc_train.py --model_type mobilenetv2 --n_epoch 50
+```
+训练完成之后，检查点文件被保存在这里：
+```
+logs/mobilenetv2_cifar10_train-run1/ckpt.best.pth
+```
+
+## 使用 AMCPruner 剪枝
+运行以下命令对模型进行剪枝：
+```bash
+python3 amc_search.py --model_type mobilenetv2 --ckpt logs/mobilenetv2_cifar10_train-run1/ckpt.best.pth
+```
+完成之后，剪枝后的模型和掩码文件被保存在：
+```
+logs/mobilenetv2_cifar10_r0.5_search-run2
+```
+
+## 微调剪枝后的模型
+加上 `--ckpt` 和 `--mask` 参数，再次运行 `amc_train.py` 命令去加速和微调剪枝后的模型。
+```bash
+python3 amc_train.py --model_type mobilenetv2 --ckpt logs/mobilenetv2_cifar10_r0.5_search-run2/best_model.pth --mask logs/mobilenetv2_cifar10_r0.5_search-run2/best_mask.pth --n_epoch 100
+```

examples/nas/cream/Cream_zh_CN.md

+[文档](https://nni.readthedocs.io/zh/latest/NAS/Cream.html)

ts/webui/README_zh_CN.md

@@ -10,7 +10,7 @@
 
 ## 查看任务准确度
 
-点击 "Default Metric" 来查看所有 Trial 的点图。 将鼠标悬停到某个点查看其准确度。
+点击 "Default Metric" 来查看所有尝试的点图。 将鼠标悬停到某个点查看其准确度。
 
 ## 查看超参
 
@@ -29,4 +29,4 @@
 
 ## 反馈
 
-[已知问题](https://github.com/Microsoft/nni/issues)
\ No newline at end of file
+[已知问题](https://github.com/Microsoft/nni/issues)