Adopt symbolic links in Chinese documentation (#4345)

Co-authored-by: jiahangxu <jiahangxu@microsoft.com>

Adopt symbolic links in Chinese documentation (#4345)
Co-authored-by: jiahangxu <jiahangxu@microsoft.com>
91d9a797 · Yuge Zhang · GitHub · 0e0ee86d · 0e0ee86d · 91d9a797
Unverified Commit 91d9a797 authored Dec 07, 2021 by Yuge Zhang Committed by GitHub Dec 07, 2021
20 changed files
--- a/docs/zh_CN/Tutorial/HowToLaunchFromPython.rst
+++ b/docs/zh_CN/Tutorial/HowToLaunchFromPython.rst
-如何从 Python 发起实验
-===========================================
-..  toctree::
-    :hidden:
-    启动用法 <python_api_start>
-    连接用法 <python_api_connect>
-概述
--------
-从 ``nni v2.0`` 起，我们提供了一种全新方式发起 Experiment 。 在此之前，您需要在 yaml 文件中配置实验，然后使用 ``nnictl`` 命令启动 Experiment 。 现在，您还可以直接在python文件中配置和运行 Experiment 。 如果您熟悉 Python 编程，那么无疑会为您带来很多便利。
-运行一个新的 Experiment
------------------------------------------------------------------
-成功安装 ``nni`` 之后，您可以通过以下3个步骤使用 Python 脚本开始 Experiment 。
-..
-    步骤2 - 初始化并配置 Experiment 实例
-.. code-block:: python
-    from nni.experiment import Experiment
-    experiment = Experiment(tuner, 'local')
-现在，您已经在上一步中初始化了带有 Tuner 的 ``Experiment`` 实例，由于 ``training_service ='local'`` ，此实验将在本地计算机上运行。
-查看 NNI 支持的所有 `训练平台 <../training_services.rst>`__。
-.. code-block:: python
-    experiment.config.experiment_name = 'test'
-    experiment.config.trial_concurrency = 2
-    experiment.config.max_trial_number = 5
-    experiment.config.search_space = search_space
-    experiment.config.trial_command = 'python3 mnist.py'
-    experiment.config.trial_code_directory = Path(__file__).parent
-    experiment.config.experiment_name = 'test'
-    experiment.config.max_trial_number = 5
-    experiment.config.training_service.use_active_gpu = True
-使用类似 ``experiment.config.foo ='bar'`` 的形式来配置您的 Experiment 。
-查看 NNI 所有的 `内置 Tuner <../builtin_tuner.rst>`__。
-参阅不同平台所需的 `参数配置 <../reference/experiment_config.rst>`__。
-..
-    步骤3 - 运行
-.. code-block:: python
-    experiment.run(port=8081)
-现在，您已经成功启动了 NNI Experiment。 您可以在浏览器中输入``localhost:8081`` 以实时观察实验。
-.. Note:: 实验将在前台运行，实验结束后自动退出。 如果要以交互方式运行 Experiment，请在步骤3中使用 ``start()``。
-示例
-^^^^^^^
-以下是这种新的启动方法的示例。你可以在 :githublink:`mnist-tfv2/launch.py <examples/trials/mnist-tfv2/launch.py>` 找到实验代码。
-.. code-block:: python
-    from pathlib import Path
-    from nni.experiment import Experiment
-    search_space = {
-        "dropout_rate": { "_type": "uniform", "_value": [0.5, 0.9] },
-        "conv_size": { "_type": "choice", "_value": [2, 3, 5, 7] },
-        "hidden_size": { "_type": "choice", "_value": [124, 512, 1024] },
-        "batch_size": { "_type": "choice", "_value": [16, 32] },
-        "learning_rate": { "_type": "choice", "_value": [0.0001, 0.001, 0.01, 0.1] }
-    }
-    experiment = Experiment(tuner=tuner, training_service='local')
-    experiment.config.experiment_name = 'MNIST example'
-    experiment.config.trial_concurrency = 2
-    experiment.config.max_trial_number = 10
-    experiment.config.search_space = search_space
-    experiment.config.trial_command = 'python3 mnist.py'
-    experiment.config.trial_code_directory = Path(__file__).parent
-    tuner = HyperoptTuner('tpe')
-    experiment.config.tuner.class_args['optimize_mode'] = 'maximize'
-    experiment.config.training_service.use_active_gpu = True
-    experiment.run(8081)
-启动并管理一个新的 Experiment
----------------------------------------------------------------------------
-我们将 ``NNI Client`` 中的 API 迁移到了这个新的启动方法。
-通过 ``start()`` 而不是 ``run()`` 启动 Experiment，可以在交互模式下使用这些 API。
-请参考 `示例用法 <./python_api_start.rst>`__ 和代码文件 :githublink:`python_api_start.ipynb <examples/trials/sklearn/classification/python_api_start.ipynb>`。
-.. Note:: ``run()`` 轮询实验状态，并在实验完成时自动调用 ``stop()``。 ``start()`` 仅仅启动了一个新的 Experiment，所以需要通过调用 ``stop()`` 手动停止。
-连接并管理已存在的 Experiment
----------------------------------------
-如果您通过 ``nnictl`` 启动 Experiment，并且还想使用这些 API，那么可以使用 ``Experiment.connect()`` 连接到现有实验。
-请参考 `示例用法 <./python_api_connect.rst>`__ 和代码文件 :githublink:`python_api_connect.ipynb <examples/trials/sklearn/classification/python_api_connect.ipynb>`。
-.. Note:: 连接到现有 Experiment 时，可以使用 ``stop()`` 停止 Experiment。
-恢复/查看和管理已停止的 Experiment
--------------------------------------------------------------------------------------
-您可以使用 ``Experiment.resume()`` 和 ``Experiment.view()`` 来恢复和查看停止的 Experiment，这些函数的行为类似于 ``nnictl resume`` 和 ``nnictl view``。
-如果你想管理 Experiment，设置 ``wait_completion`` 为 ``False`` ，函数将返回一个 ``Experiment`` 实例。 更多参数请参考API。
-API
---
-..  autoclass:: nni.experiment.Experiment
-    :members:
--- a/docs/zh_CN/Tutorial/HowToLaunchFromPython.rst
+++ b/docs/zh_CN/Tutorial/HowToLaunchFromPython.rst
+../../en_US/Tutorial/HowToLaunchFromPython.rst
\ No newline at end of file
--- a/docs/zh_CN/Tutorial/HowToUseDocker.rst
+++ b/docs/zh_CN/Tutorial/HowToUseDocker.rst
-如何在 NNI 中使用 Docker
-================================
-概述
--------
-`Docker <https://www.docker.com/>`__ 是一种工具, 可通过启动容器, 使用户能够更轻松地根据自己的操作系统部署和运行应用程序。 Docker 不是虚拟机，它不创建虚拟操作系统，但它允许不同的应用程序使用相同的操作系统内核，并通过容器隔离不同的应用程序。
-用户可使用 Docker 来启动 NNI Experiment。 NNI 在 Docker Hub 上也提供了官方的 Docker 映像 `msranni/nni <https://hub.docker.com/r/msranni/nni>`__ 。
-在本机使用docker
-----------------------------
-第一步：Docker 的安装
-^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
-在开始使用 Docker 运行 NNI Experiment 前，首先需要在本机安装 Docker 运行程序。 `参考这里 <https://docs.docker.com/install/linux/docker-ce/ubuntu/>`__。
-第二步：启动 Docker 容器
-^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
-如果已经在本地机器上安装了 Docker 程序，可以启动 Docker 容器来运行 NNI 示例。 因为 NNI 会在 Docker 容器里启动 Web 界面进程，并监听端口，因此需要指定一个在主机和 Docker 容器映射的端口，可在容器外访问 Docker 容器里的进程。 通过访问主机的 IP 和端口，就可以访问容器里的 Web 网页进程了。
-例如，通过如下命令来启动 Docker 容器：
-.. code-block:: bash
-   docker run -i -t -p [hostPort]:[containerPort] [image]
-``-i:`` 使用交互模式启动 Docker。
-``-t:`` 为 Docker 分配一个输入终端。
-``-p:`` 端口映射，映射主机端口和容器端口。
-可以参考 `这里 <https://docs.docker.com/v17.09/edge/engine/reference/run/>`__，获取更多的命令参考。
-注意：
-.. code-block:: bash
-      NNI 目前仅支持本机模式下的 Ubuntu 和 macOS 系统，请使用正确的 Docker 映像类型。 如果想要在 Docker 容器里面使用 GPU，请使用 nvidia-docker。
-第三步：在 Docker 容器里运行 NNI
-^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
-如果直接使用 NNI 的官方镜像 ``msranni/nni`` 来启动 Experiment，可以直接使用 ``nnictl`` 命令。 NNI 官方镜像有最基础的 Python 环境和深度学习框架。
-如果使用自己的 Docker 镜像，需要首先 `安装 NNI <InstallationLinux.rst>`__。
-如果要使用 NNI 的官方示例，可以通过以下 git 命令来克隆 NNI：
-.. code-block:: bash
-   git clone https://github.com/Microsoft/nni.git
-然后可以进入 ``nni/examples/trials`` 文件夹来启动 Experiment。
-准备好 NNI 的环境后，可使用 ``nnictl`` 命令开始新的 Experiment。 `入门教程 <QuickStart.rst>`__。
-在远程平台上运行 Docker
---------------------------------
-NNI 支持在 `远程平台 <../TrainingService/RemoteMachineMode.rst>`__ 上启动 Experiment，并在远程机器里运行 Trial。 因为 Docker 可以运行独立的 Ubuntu 系统和 SSH 服务，因此 Docker 容器可以作为远程平台来运行 NNI。
-第一步：设置 Docker 环境
-^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
-你首先应该在远程机器上安装docker工具，`参考这里 <https://docs.docker.com/install/linux/docker-ce/ubuntu/>`__。
-为保证 Docker 容器可以被 NNI Experiment 连接上，要在自己的 Docker 容器里安装 SSH 服务，或使用已经配置好 SSH 的映像。 如果要在 Docker 容器里使用 SSH 服务，需要配置 SSH 密码登录或者私钥登录，`参考这里 <https://docs.docker.com/engine/examples/running_ssh_service/>`__。
-注意：
-.. code-block:: text
-   NNI 的官方镜像 msranni/nni 暂不支持 SSH 服务，应构建自己的带有 SSH 服务的映像，或者使用其他的带有 SSH 服务的镜像。
-第二步：在远程机器上启动 Dokcer 容器
-^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
-SSH 服务需要端口，要把 Docker 的 SSH 服务端口暴露给 NNI 作为连接端口。 例如，如果设置容器的端口 ``A`` 作为 SSH 端口，应把端口 ``A`` 映射到主机的端口 ``B``，NNI 会连接端口 ``B`` 作为 SSH 服务端口，主机会把连接到端口 ``B`` 的连接映射到端口 ``A``，NNI 就可以连接到容器中了。
-例如，通过如下命令来启动 Docker 容器：
-.. code-block:: bash
-   docker run -dit -p [hostPort]:[containerPort] [image]
-``containerPort`` 是在 Docker 容器中指定的端口，``hostPort`` 是主机的端口。 可设置 NNI 配置，连接到``hostPort``，这个连接会被转发到 Docker 容器。
-可以参考 `这里 <https://docs.docker.com/v17.09/edge/engine/reference/run/>`__，获取更多的命令参考。
-注意：
-.. code-block:: bash
-   如果使用自己构建的 Docker 映像，确保有基础的 Python 运行时和 NNI SDK 环境。 如果想要在 Docker 容器里面使用 GPU，请使用 nvidia-docker。
-第三步：运行 NNI Experiment
-^^^^^^^^^^^^^^^^^^^^^^^^^^^
-可以在配置文件中，设置训练平台为远程平台，然后设置 ``machineList`` 配置，`参考这里 <../TrainingService/RemoteMachineMode.rst>`__。 注意应该设置正确的 ``port``\ , ``username``\ , 以及 ``passWd`` 或 ``sshKeyPath`` 。
-``port:`` 主机的端口，映射到 Docker 的 SSH 端口。
-``username:`` Docker 容器的用户名。
-``passWd:`` Docker 容器的密码。
-``sshKeyPath:`` Docker 容器私钥的存储路径。
-设置完配置文件，你就可以启动实验了，`参考这里 <QuickStart.rst>`__。
--- a/docs/zh_CN/Tutorial/HowToUseDocker.rst
+++ b/docs/zh_CN/Tutorial/HowToUseDocker.rst
+../../en_US/Tutorial/HowToUseDocker.rst
\ No newline at end of file
--- a/docs/zh_CN/Tutorial/HowToUseSharedStorage.rst
+++ b/docs/zh_CN/Tutorial/HowToUseSharedStorage.rst
-如何使用共享存储
-=============================
-如果您想在使用 NNI 期间使用自己的存储，共享存储可以满足您的需求。
-与使用训练平台本机存储不同，共享存储可以为您带来更多便利。
-Experiment 生成的所有信息都将存储在共享存储的 ``/nni`` 文件夹下。
-Trial 产生的所有输出将位于共享存储中的 ``/nni/{EXPERIMENT_ID}/trials/{TRIAL_ID}/nnioutput`` 文件夹下。
-这就避免了在不同地方寻找实验相关信息的麻烦。
-Trial 工作目录是 ``/nni/{EXPERIMENT_ID}/trials/{TRIAL_ID}``，因此如果您在共享存储中上载数据，您可以像在 Trial 代码中打开本地文件一样打开它，而不必下载它。
-未来我们将开发更多基于共享存储的实用功能。 配置参考在 `这里 <../reference/experiment_config.html#sharedstorageconfig>`_。
-.. note::
-    共享存储目前处于实验阶段。 共享存储目前处于实验阶段。 我们建议在 Ubuntu/CentOS/RHEL 下使用 AzureBlob，在 Ubuntu/CentOS/RHEL/Fedora/Debian 下使用 NFS 进行远程访问。
-    确保您的本地机器可以挂载 NFS 或 fuse AzureBlob，并在远程运行时具有 sudo 权限。 我们目前只支持使用重用模式的训练平台下的共享存储。 我们目前只支持使用重用模式的训练平台下的共享存储。
-示例
-------
-如果要使用 AzureBlob，请在配置中添加以下内容。完整的配置文件请参阅 :githublink:`mnist-sharedstorage/config_azureblob.yml <examples/trials/mnist-sharedstorage/config_azureblob.yml>`。
-.. code-block:: yaml
-    sharedStorage:
-        storageType: AzureBlob
-        localMountPoint: ${your/local/mount/point}
-        remoteMountPoint: ${your/remote/mount/point}
-        storageAccountName: ${replace_to_your_storageAccountName}
-        storageAccountKey: ${replace_to_your_storageAccountKey}
-        # 如果未设置 storageAccountKey，则首先需要在 Azure CLI 中使用 `az login` 并设置 resourceGroupName。
-        # resourceGroupName: ${replace_to_your_resourceGroupName}
-        containerName: ${replace_to_your_containerName}
-        # usermount 表示已将此存储挂载在 localMountPoint 上
-        # nnimount 表示 NNI 将尝试将此存储挂载在 localMountPoint 上
-        # nomount 表示存储不会挂载在本地机器上，将在未来支持部分存储。 
-        localMounted: nnimount
-如果要使用 NFS，请在配置中添加以下内容。完整的配置文件请参阅 :githublink:`mnist-sharedstorage/config_nfs.yml <examples/trials/mnist-sharedstorage/config_nfs.yml>`。
-.. code-block:: yaml
-    sharedStorage:
-        storageType: NFS
-        localMountPoint: ${your/local/mount/point}
-        remoteMountPoint: ${your/remote/mount/point}
-        nfsServer: ${nfs-server-ip}
-        exportedDirectory: ${nfs/exported/directory}
-        # usermount 表示已将此存储挂载在 localMountPoint 上
-        # nnimount 表示 NNI 将尝试将此存储挂载在 localMountPoint 上
-        # nomount 表示存储不会挂载在本地机器上，将在未来支持部分存储。 
-        localMounted: nnimount
--- a/docs/zh_CN/Tutorial/HowToUseSharedStorage.rst
+++ b/docs/zh_CN/Tutorial/HowToUseSharedStorage.rst
+../../en_US/Tutorial/HowToUseSharedStorage.rst
\ No newline at end of file
--- a/docs/zh_CN/Tutorial/InstallCustomizedAlgos.rst
+++ b/docs/zh_CN/Tutorial/InstallCustomizedAlgos.rst
-如何将自定义的算法安装为内置的 Tuner，Assessor 和 Advisor
-=======================================================================================
-.. contents::
-概述
--------
-NNI 提供了大量可用于超参优化的 `内置 Tuner <../Tuner/BuiltinTuner.rst>`_, `Advisor <../Tuner/HyperbandAdvisor.rst>`__ 和 `Assessor <../Assessor/BuiltinAssessor.rst>`__ ，其他算法可在 NNI 安装后，通过 ``nnictl algo register --meta <path_to_meta_file>`` 安装。 可通过 ``nnictl package list`` 命令查看其它算法。
-NNI 中，还可以创建自定义的 Tuner，Advisor 和 Assessor。 并根据 Experiment 配置文件的说明来使用这些自定义的算法，可参考 `自定义 Tuner <../Tuner/CustomizeTuner.rst>`_ ， `Advisor <../Tuner/CustomizeAdvisor.rst>`__ 和 `Assessor <../Assessor/CustomizeAssessor.rst>`__。
-用户可将自定义的算法作为内置算法安装，以便像其它内置 Tuner、Advisor、Assessor 一样使用。 更重要的是，这样更容易向其他人分享或发布自己实现的算法。 自定义的 Tuner、Advisor、Assessor 可作为内置算法安装到 NNI 中，安装完成后，可在 Experiment 配置文件中像内置算法一样使用。 例如，将自定义的算法 ``mytuner`` 安装到 NNI 后，可在配置文件中直接使用：
-.. code-block:: yaml
-   tuner:
-     builtinTunerName: mytuner
-将自定义的算法安装为内置的 Tuner，Assessor 或 Advisor
------------------------------------------------------------------------
-可参考下列步骤来构建自定义的 Tuner、Assessor、Advisor，并作为内置算法安装。
-1. 创建自定义的 Tuner、Assessor、Advisor
-^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
-参考下列说明来创建：
-* `自定义 Tuner <../Tuner/CustomizeTuner.rst>`_
-* `自定义 Assessor <../Assessor/CustomizeAssessor.rst>`_
-* `自定义 Advisor <../Tuner/CustomizeAdvisor.rst>`_
-2. (可选) 创建 Validator 来验证 classArgs
-^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
-NNI 提供了 ``ClassArgsValidator`` 接口，自定义的算法可用它来验证 Experiment 配置文件中传给构造函数的 classArgs 参数。
-``ClassArgsValidator`` 接口如下：
-.. code-block:: python
-   class ClassArgsValidator(object):
-       def validate_class_args(self, **kwargs):
-           """
-           Experiment 配置中的 classArgs 字段会作为 dict
-           传入到 kwargs。
-           """
-           pass
-例如，可将 Validator 如下实现：
-.. code-block:: python
-   from schema import Schema, Optional
-   from nni import ClassArgsValidator
-   class MedianstopClassArgsValidator(ClassArgsValidator):
-       def validate_class_args(self, **kwargs):
-           Schema({
-               Optional('optimize_mode'): self.choices('optimize_mode', 'maximize', 'minimize'),
-               Optional('start_step'): self.range('start_step', int, 0, 9999),
-           }).validate(kwargs)
-在 Experiment 启动时，会调用 Validator，检查 classArgs 字段是否正确。
-3. 将自定义算法包安装到 python 环境 中
-^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
-首先，自定义的算法需要被打成 python 包。 然后你可以通过以下命令把算法包安装到 python 环境中：
-* 在包目录中运行 ``python setup.py develop``，此命令会在开发者模式下安装包。如果算法正在开发中，推荐使用此命令。
-* 在包目录中运行 ``python setup.py bdist_wheel`` 命令，会构建 whl 文件。 可通过 ``pip3 install sklearn`` 命令来安装。
-4. 准备源文件
-^^^^^^^^^^^^^^^^^^^^
-使用以下关键词创建 YAML 文件：
-* ``algoType``: 算法类型，可为 ``tuner``, ``assessor``, ``advisor``
-* ``builtinName``: 在 Experiment 配置文件中使用的内置名称
-* `className`: Tuner 类名，包括模块名，例如：``demo_tuner.DemoTuner``
-* `classArgsValidator`: 类的参数验证类 validator 的类名，包括模块名，如：``demo_tuner.MyClassArgsValidator``
-YAML 文件示例：
-.. code-block:: yaml
-   algoType: tuner
-   builtinName: demotuner
-   className: demo_tuner.DemoTuner
-   classArgsValidator: demo_tuner.MyClassArgsValidator
-5. 将自定义算法包注册到 NNI 中
-^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
-运行以下命令将自定义算法加入到 NNI 的内置算法中：
-.. code-block:: bash
-   nnictl algo register --meta <path_to_meta_file>
-``<path_to_meta_file>`` 是上一节创建的 YAML 文件的路径。
-参考 `自定义 Tuner 示例 <#tuner-tuner>`_ 获取完整示例。
-在 Experiment 中使用安装的内置算法
--------------------------------------------------
-在自定义算法安装后，可用其它内置 Tuner、Assessor、Advisor 的方法在 Experiment 配置文件中使用，例如：
-.. code-block:: yaml
-   tuner:
-     builtinTunerName: demotuner
-     classArgs:
-       # 可选项: maximize, minimize
-       optimize_mode: maximize
-使用 ``nnictl algo`` 管理内置的算法
----------------------------------------------------------------------------------------------
-列出已安装的包
-^^^^^^^^^^^^^^^^^^^^^^^
-运行以下命令列出已安装的包：
-.. code-block:: bash
-   nnictl algo list
-   +-----------------+------------+-----------+--------=-------------+------------------------------------------+
-   |      Name       |    Type    | Source    |      Class Name      |               Module Name                |
-   +-----------------+------------+-----------+----------------------+------------------------------------------+
-   | TPE             | tuners     | nni       | HyperoptTuner        | nni.hyperopt_tuner.hyperopt_tuner        |
-   | Random          | tuners     | nni       | HyperoptTuner        | nni.hyperopt_tuner.hyperopt_tuner        |
-   | Anneal          | tuners     | nni       | HyperoptTuner        | nni.hyperopt_tuner.hyperopt_tuner        |
-   | Evolution       | tuners     | nni       | EvolutionTuner       | nni.evolution_tuner.evolution_tuner      |
-   | BatchTuner      | tuners     | nni       | BatchTuner           | nni.batch_tuner.batch_tuner              |
-   | GridSearch      | tuners     | nni       | GridSearchTuner      | nni.gridsearch_tuner.gridsearch_tuner    |
-   | NetworkMorphism | tuners     | nni       | NetworkMorphismTuner | nni.networkmorphism_tuner.networkmo...   |
-   | MetisTuner      | tuners     | nni       | MetisTuner           | nni.metis_tuner.metis_tuner              |
-   | GPTuner         | tuners     | nni       | GPTuner              | nni.gp_tuner.gp_tuner                    |
-   | PBTTuner        | tuners     | nni       | PBTTuner             | nni.pbt_tuner.pbt_tuner                  |
-   | SMAC            | tuners     | nni       | SMACTuner            | nni.smac_tuner.smac_tuner                |
-   | PPOTuner        | tuners     | nni       | PPOTuner             | nni.ppo_tuner.ppo_tuner                  |
-   | Medianstop      | assessors  | nni       | MedianstopAssessor   | nni.medianstop_assessor.medianstop_...   |
-   | Curvefitting    | assessors  | nni       | CurvefittingAssessor | nni.curvefitting_assessor.curvefitt...   |
-   | Hyperband       | advisors   | nni       | Hyperband            | nni.hyperband_advisor.hyperband_adv...   |
-   | BOHB            | advisors   | nni       | BOHB                 | nni.bohb_advisor.bohb_advisor            |
-   +-----------------+------------+-----------+----------------------+------------------------------------------+
-卸载内置算法
-^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
-运行以下命令卸载已安装的包：
-``nnictl algo unregister <包名称>``
-例如：
-``nnictl algo unregister demotuner``
-将自定义算法从 v1.x 版本转到 v2.x 版本
--------------------------------------------------------------------------------------------------------------
-所有需要修改的就是删除 ``setup.py`` 中的 ``NNI Package :: tuner`` 元数据并添加在 在 4 中提到的元文件。然后你可以参考 `将自定义的算法安装为内置的 Tuner，Assessor 或 Advisor <#id3>`__ 注册你的自定义算法。
-示例：将自定义 Tuner 注册为内置 Tuner
----------------------------------------------------------------------------------------------------
-步骤 1: 在 ``nni/examples/tuners/customized_tuner`` 目录下，运行：
-将自定义 Tuner 包安装到 Python 环境 中
-^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
-有两种方法可将软件包安装到 python 环境中：
-方法 1: 从目录安装
-""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""
-在 ``nni/examples/tuners/customized_tuner`` 目录下，运行：
-``python setup.py develop``
-此命令会将 ``nni/examples/tuners/customized_tuner`` 目录编译为 pip 安装源。
-方法 2: 从 whl 文件安装
-""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""
-步骤 1: 在 ``nni/examples/tuners/customized_tuner`` 目录下，运行：
-``python setup.py bdist_wheel``
-此命令会从 pip 安装源编译出 whl 文件。
-步骤 2: 运行命令
-``pip install dist/demo_tuner-0.1-py3-none-any.whl``
-将自定义 Tuner 注册为内置 Tuner
-^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
-运行命令
-``nnictl algo register --meta meta_file.yml``
-检查已注册的内置算法
-^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
-运行命令 ``nnictl algo list``，可以看到已安装的 demotuner：
-.. code-block:: bash
-   +-----------------+------------+-----------+--------=-------------+------------------------------------------+
-   |      名称       |    类型    |   来源  |      类名      |               模块名                |
-   +-----------------+------------+-----------+----------------------+------------------------------------------+
-   | demotuner       | tuners     |    User   | DemoTuner            | demo_tuner                               |
-   +-----------------+------------+-----------+----------------------+------------------------------------------+
--- a/docs/zh_CN/Tutorial/InstallCustomizedAlgos.rst
+++ b/docs/zh_CN/Tutorial/InstallCustomizedAlgos.rst
+../../en_US/Tutorial/InstallCustomizedAlgos.rst
\ No newline at end of file
--- a/docs/zh_CN/Tutorial/InstallationLinux.rst
+++ b/docs/zh_CN/Tutorial/InstallationLinux.rst
+.. 0f5fee8263b2829f156835c1e895bf2e
 在 Linux 和 Mac 下安装
 ======================

--- a/docs/zh_CN/Tutorial/InstallationWin.rst
+++ b/docs/zh_CN/Tutorial/InstallationWin.rst
+.. a6dd4da0aa88f250a7b1146566021ce8
 在 Windows 上安装
 ==================

--- a/docs/zh_CN/Tutorial/NNSpider.md
+++ b/docs/zh_CN/Tutorial/NNSpider.md
+../../en_US/Tutorial/NNSpider.md
\ No newline at end of file
--- a/docs/zh_CN/Tutorial/Nnictl.rst
+++ b/docs/zh_CN/Tutorial/Nnictl.rst
-.. role:: raw-html(raw)
-   :format: html
-nnictl
-======
-介绍
------------
-**nnictl** 是一个命令行工具，用来控制 NNI Experiment，如启动、停止、继续 Experiment，启动、停止 NNIBoard 等等。
-命令
--------
-nnictl 支持的命令：
-* `nnictl create <#create>`__
-* `nnictl resume <#resume>`__
-* `nnictl view <#view>`__
-* `nnictl stop <#stop>`__
-* `nnictl update <#update>`__
-* `nnictl trial <#trial>`__
-* `nnictl top <#top>`__
-* `nnictl experiment <#experiment>`__
-* `nnictl platform <#platform>`__
-* `nnictl config <#config>`__
-* `nnictl log <#log>`__
-* `nnictl webui <#webui>`__
-* `nnictl algo <#algo>`__
-* `nnictl ss_gen <#ss_gen>`__
-* `nnictl --version <#version>`__
-管理 Experiment
-^^^^^^^^^^^^^^^^^^^^
-:raw-html:`<a name="create"></a>`
-nnictl create
-^^^^^^^^^^^^^
-* 
-  说明
-  此命令使用参数中的配置文件，来创建新的实验。
-  此命令成功完成后，上下文会被设置为此 Experiment。这意味着如果不显式改变上下文（暂不支持），输入的以下命令，都作用于此 Experiment。
-* 
-  用法
-  .. code-block:: bash
-     nnictl create [OPTIONS]
-* 
-  选项
-.. list-table::
-   :header-rows: 1
-   :widths: auto
-   * - 参数及缩写
-     - 是否必需
-     - 默认值
-     - 说明
-   * - --config, -c
-     - True
-     - 
-     - Experiment 的 YAML 配置文件
-   * - --port, -p
-     - False
-     - 
-     - RESTful 服务的端口
-   * - --debug, -d
-     - False
-     - 
-     - 设置为调试模式
-   * - --foreground, -f
-     - False
-     - 
-     - 设为前台运行模式，将日志输出到终端
-* 
-  示例
-  ..
-     在默认端口 8080 上创建一个新的 Experiment
-  .. code-block:: bash
-     nnictl create --config nni/examples/trials/mnist-pytorch/config.yml
-  ..
-     在指定的端口 8088 上创建新的 Experiment
-  .. code-block:: bash
-     nnictl create --config nni/examples/trials/mnist-pytorch/config.yml --port 8088
-  ..
-     在指定的端口 8088 上创建新的 Experiment，并启用调试模式
-  .. code-block:: bash
-     nnictl create --config nni/examples/trials/mnist-pytorch/config.yml --port 8088 --debug
-注意：
-.. code-block:: text
-   调试模式会禁用 Trialkeeper 中的版本校验功能。
-:raw-html:`<a name="resume"></a>`
-nnictl resume
-^^^^^^^^^^^^^
-* 
-  说明
-  使用此命令恢复已停止的 Experiment。
-* 
-  用法
-  .. code-block:: bash
-     nnictl resume [OPTIONS]
-* 
-  选项
-.. list-table::
-   :header-rows: 1
-   :widths: auto
-   * - 参数及缩写
-     - 是否必需
-     - 默认值
-     - 说明
-   * - id
-     - True
-     - 
-     - 要恢复的 Experiment 标识
-   * - --port, -p
-     - False
-     - 
-     - 要恢复的 Experiment 使用的 RESTful 服务端口
-   * - --debug, -d
-     - False
-     - 
-     - 设置为调试模式
-   * - --foreground, -f
-     - False
-     - 
-     - 设为前台运行模式，将日志输出到终端
-* 
-  示例
-  ..
-     在指定的端口 8088 上恢复 Experiment
-  .. code-block:: bash
-     nnictl resume [experiment_id] --port 8088
-:raw-html:`<a name="view"></a>`
-nnictl view
-^^^^^^^^^^^
-* 
-  说明
-  使用此命令查看已停止的 Experiment。
-* 
-  用法
-  .. code-block:: bash
-     nnictl view [OPTIONS]
-* 
-  选项
-.. list-table::
-   :header-rows: 1
-   :widths: auto
-   * - 参数及缩写
-     - 是否必需
-     - 默认值
-     - 说明
-   * - id
-     - True
-     - 
-     - 要查看的 Experiment 标识
-   * - --port, -p
-     - False
-     - 
-     - 要查看的 Experiment 使用的 RESTful 服务端口
-* 
-  示例
-  ..
-     在指定的端口 8088 上查看 Experiment
-  .. code-block:: bash
-     nnictl view [experiment_id] --port 8088
-:raw-html:`<a name="stop"></a>`
-nnictl stop
-^^^^^^^^^^^
-* 
-  说明
-  使用此命令来停止正在运行的单个或多个 Experiment。
-* 
-  用法
-  .. code-block:: bash
-     nnictl stop [Options]
-* 
-  选项
-.. list-table::
-   :header-rows: 1
-   :widths: auto
-   * - 参数及缩写
-     - 是否必需
-     - 默认值
-     - 说明
-   * - id
-     - False
-     - 
-     - 要停止的 Experiment 标识
-   * - --port, -p
-     - False
-     - 
-     - 要停止的 Experiment 使用的 RESTful 服务端口
-   * - --all, -a
-     - False
-     - 
-     - 停止所有 Experiment
-* 
-  详细信息及样例
-  #. 
-     如果没有指定 id，并且当前有运行的 Experiment，则会停止该 Experiment，否则会输出错误信息。
-     .. code-block:: bash
-         nnictl stop
-  #. 
-     如果指定了 id，并且此 id 匹配正在运行的 Experiment，nnictl 会停止相应的 Experiment，否则会输出错误信息。
-     .. code-block:: bash
-         nnictl stop [experiment_id]
-  #. 
-     如果指定了端口，并且此端口有正在运行的 Experiment，则会停止此 Experiment。
-     .. code-block:: bash
-         nnictl stop --port 8080
-  #. 
-     可使用 'nnictl stop --all' 来停止所有的 Experiment。
-     .. code-block:: bash
-         nnictl stop --all
-  #. 
-     如果 id 以 * 结尾，nnictl 会停止所有匹配此通配符的 Experiment。
-  #. 如果 id 不存在，但匹配了某个Experiment 的 id 前缀，nnictl 会停止匹配的Experiment 。
-  #. 如果 id 不存在，但匹配多个 Experiment id 的前缀，nnictl 会输出这些 id 的信息。
-:raw-html:`<a name="update"></a>`
-nnictl update
-^^^^^^^^^^^^^
-* 
-  **nnictl update searchspace**
-  * 
-    说明
-    可以用此命令来更新 Experiment 的搜索空间。
-  * 
-    用法
-    .. code-block:: bash
-       nnictl update searchspace [OPTIONS]
-  * 
-    选项
-.. list-table::
-   :header-rows: 1
-   :widths: auto
-   * - 参数及缩写
-     - 是否必需
-     - 默认值
-     - 说明
-   * - id
-     - False
-     - 
-     - 需要设置的 Experiment 的 id
-   * - --filename, -f
-     - True
-     - 
-     - 新的搜索空间文件名
-* 
-  示例
-  ``使用 'examples/trials/mnist-pytorch/search_space.json' 来更新 Experiment 的搜索空间``
-  .. code-block:: bash
-     nnictl update searchspace [experiment_id] --filename examples/trials/mnist-pytorch/search_space.json
-* 
-  **nnictl update concurrency**
-  * 
-    说明
-     可以用此命令来更新 Experiment 的并发设置。
-  * 
-    用法
-    .. code-block:: bash
-       nnictl update concurrency [OPTIONS]
-  * 
-    选项
-.. list-table::
-   :header-rows: 1
-   :widths: auto
-   * - 参数及缩写
-     - 是否必需
-     - 默认值
-     - 说明
-   * - id
-     - False
-     - 
-     - 需要设置的 Experiment 的 id
-   * - --value, -v
-     - True
-     - 
-     - 允许同时运行的 Trial 的数量
-* 
-  示例
-  ..
-     更新 Experiment 的并发数量
-  .. code-block:: bash
-     nnictl update concurrency [experiment_id] --value [concurrency_number]
-* 
-  **nnictl update duration**
-  * 
-    说明
-    可以用此命令来更新实验的运行时间。
-  * 
-    用法
-    .. code-block:: bash
-       nnictl update duration [OPTIONS]
-  * 
-    选项
-.. list-table::
-   :header-rows: 1
-   :widths: auto
-   * - 参数及缩写
-     - 是否必需
-     - 默认值
-     - 说明
-   * - id
-     - False
-     - 
-     - 需要设置的 Experiment 的 id
-   * - --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
-  ..
-     修改 Experiment 的执行时间
-  .. code-block:: bash
-     nnictl update duration [experiment_id] --value [duration]
-* 
-  **nnictl update trialnum**
-  * 
-    说明
-    可以用此命令来更新实验的最大尝试数量。
-  * 
-    用法
-    .. code-block:: bash
-       nnictl update trialnum [OPTIONS]
-  * 
-    选项
-.. list-table::
-   :header-rows: 1
-   :widths: auto
-   * - 参数及缩写
-     - 是否必需
-     - 默认值
-     - 说明
-   * - id
-     - False
-     - 
-     - 需要设置的 Experiment 的 id
-   * - --value, -v
-     - True
-     - 
-     - 需要设置的 maxtrialnum 的数量
-* 
-  示例
-  ..
-     更新 Experiment 的 Trial 数量
-  .. code-block:: bash
-     nnictl update trialnum [experiment_id] --value [trial_num]
-:raw-html:`<a name="trial"></a>`
-nnictl trial
-^^^^^^^^^^^^
-* 
-  **nnictl trial ls**
-  * 
-    说明
-    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
-    .. code-block:: bash
-       nnictl trial ls
-       nnictl trial ls --head 10
-       nnictl trial ls --tail 10
-  * 
-    选项
-.. list-table::
-   :header-rows: 1
-   :widths: auto
-   * - 参数及缩写
-     - 是否必需
-     - 默认值
-     - 说明
-   * - 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**
-  * 
-    说明
-    此命令用于终止 Trial。
-  * 
-    用法
-    .. code-block:: bash
-       nnictl trial kill [OPTIONS]
-  * 
-    选项
-.. list-table::
-   :header-rows: 1
-   :widths: auto
-   * - 参数及缩写
-     - 是否必需
-     - 默认值
-     - 说明
-   * - id
-     - False
-     - 
-     - Trial 的 Experiment ID
-   * - --trial_id, -T
-     - True
-     - 
-     - 需要终止的 Trial 的 ID。
-* 
-  示例
-  ..
-     结束 Trial 任务
-  .. code-block:: bash
-     nnictl trial kill [experiment_id] --trial_id [trial_id]
-:raw-html:`<a name="top"></a>`
-nnictl top
-^^^^^^^^^^
-* 
-  说明
-  查看正在运行的 Experiment。
-* 
-  用法
-  .. code-block:: bash
-     nnictl top
-* 
-  选项
-.. list-table::
-   :header-rows: 1
-   :widths: auto
-   * - 参数及缩写
-     - 是否必需
-     - 默认值
-     - 说明
-   * - id
-     - False
-     - 
-     - 需要设置的 Experiment 的 id
-   * - --time, -t
-     - False
-     - 
-     - 刷新 Experiment 状态的时间间隔，单位为秒，默认值为 3 秒。
-:raw-html:`<a name="experiment"></a>`
-管理 Experiment 信息
-^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
-* 
-  **nnictl experiment show**
-  * 
-    说明
-    显示 Experiment 的信息。
-  * 
-    用法
-    .. code-block:: bash
-       nnictl experiment show
-  * 
-    选项
-.. list-table::
-   :header-rows: 1
-   :widths: auto
-   * - 参数及缩写
-     - 是否必需
-     - 默认值
-     - 说明
-   * - id
-     - False
-     - 
-     - 需要设置的 Experiment 的 id
-* 
-  **nnictl experiment status**
-  * 
-    说明
-    显示 Experiment 的状态。
-  * 
-    用法
-    .. code-block:: bash
-       nnictl experiment status
-  * 
-    选项
-.. list-table::
-   :header-rows: 1
-   :widths: auto
-   * - 参数及缩写
-     - 是否必需
-     - 默认值
-     - 说明
-   * - id
-     - False
-     - 
-     - 需要设置的 Experiment 的 id
-* 
-  **nnictl experiment list**
-  * 
-    说明
-    显示正在运行的 Experiment 的信息
-  * 
-    用法
-    .. code-block:: bash
-       nnictl experiment list [OPTIONS]
-  * 
-    选项
-.. list-table::
-   :header-rows: 1
-   :widths: auto
-   * - 参数及缩写
-     - 是否必需
-     - 默认值
-     - 说明
-   * - --all
-     - False
-     - 
-     - 列出所有 Experiment
-* 
-  **nnictl experiment delete**
-  * 
-    说明
-    删除一个或所有 Experiment，包括日志、结果、环境信息和缓存。 用于删除无用的 Experiment 结果，或节省磁盘空间。
-  * 
-    用法
-    .. code-block:: bash
-       nnictl experiment delete [OPTIONS]
-  * 
-    选项
-.. list-table::
-   :header-rows: 1
-   :widths: auto
-   * - 参数及缩写
-     - 是否必需
-     - 默认值
-     - 说明
-   * - id
-     - False
-     - 
-     - Experiment ID
-   * - --all
-     - False
-     - 
-     - 删除所有 Experiment
-* 
-  **nnictl experiment export**
-  * 
-    说明
-    使用此命令，可将 Trial 的 reward 和超参导出为 csv 文件。
-  * 
-    用法
-    .. code-block:: bash
-       nnictl experiment export [OPTIONS]
-  * 
-    选项
-.. list-table::
-   :header-rows: 1
-   :widths: auto
-   * - 参数及缩写
-     - 是否必需
-     - 默认值
-     - 说明
-   * - id
-     - False
-     - 
-     - Experiment ID
-   * - --filename, -f
-     - True
-     - 
-     - 文件的输出路径
-   * - --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
-  .. code-block:: bash
-     nnictl experiment export [experiment_id] --filename [file_path] --type json --intermediate
-* 
-  **nnictl experiment import**
-  * 
-    说明
-    可使用此命令将以前的 Trial 超参和结果导入到 Tuner 中。 数据会传入调参算法中（即 Tuner 或 Advisor）。
-  * 
-    用法
-    .. code-block:: bash
-       nnictl experiment import [OPTIONS]
-  * 
-    选项
-.. list-table::
-   :header-rows: 1
-   :widths: auto
-   * - 参数及缩写
-     - 是否必需
-     - 默认值
-     - 说明
-   * - id
-     - False
-     - 
-     - 需要将数据导入的 Experiment 的 ID
-   * - --filename, -f
-     - True
-     - 
-     - 需要导入的 JSON 格式的数据文件
-* 
-  详细说明
-  NNI 支持导入用户的数据，确保数据格式正确。 样例如下：
-  .. code-block:: json
-     [
-       {"parameter": {"x": 0.5, "y": 0.9}, "value": 0.03},
-       {"parameter": {"x": 0.4, "y": 0.8}, "value": 0.05},
-       {"parameter": {"x": 0.3, "y": 0.7}, "value": 0.04}
-     ]
-  最顶层列表的每个元素都是一个样例。 对于内置的 Tuner 和 Advisor，每个样本至少需要两个主键：``parameter`` 和 ``value``。 ``parameter`` 必须与 Experiment 的搜索空间相匹配，``parameter`` 中的所有的主键（或超参）都必须与搜索空间中的主键相匹配。 否则， Tuner 或 Advisor 可能会有无法预期的行为。 ``Value`` 应当遵循与 ``nni.report_final_result`` 的输入值一样的规则，即要么时一个数字，或者是包含 ``default`` 主键的 dict。 对于自定义的 Tuner 或 Advisor，根据实现的不同，此文件可以是任意的 JSON 内容（例如，``import_data``）。
-  也可以用 `nnictl experiment export <#export>`__ 命令导出 Experiment 已经运行过的 Trial 超参和结果。
-  当前，以下 Tuner 和 Advisor 支持导入数据：
-  .. code-block:: yaml
-     builtinTunerName: TPE, Anneal, GridSearch, MetisTuner
-     builtinAdvisorName: BOHB
-  *如果要将数据导入到 BOHB Advisor，建议像 NNI 一样，增加 "TRIAL_BUDGET" 参数，否则，BOHB 会使用 max_budget 作为 "TRIAL_BUDGET"。* 示例如下：
-  .. code-block:: json
-     [
-       {"parameter": {"x": 0.5, "y": 0.9, "TRIAL_BUDGET": 27}, "value": 0.03}
-     ]
-* 
-  示例
-  ..
-     将数据导入运行中的 Experiment
-  .. code-block:: bash
-     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
-    .. code-block:: bash
-       nnictl experiment save [OPTIONS]
-  * 
-    选项
-.. list-table::
-   :header-rows: 1
-   :widths: auto
-   * - 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
-  .. code-block:: bash
-     nnictl experiment save [experiment_id] --saveCodeDir
-* 
-  **nnictl experiment load**
-  * 
-    说明
-    加载 NNI Experiment
-  * 
-    用法
-    .. code-block:: bash
-       nnictl experiment load [OPTIONS]
-  * 
-    选项
-.. list-table::
-   :header-rows: 1
-   :widths: auto
-   * - 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。
-   * - --searchSpacePath, -s
-     - True
-     - 
-     - 存放加载的实验的搜索空间文件的路径（路径包含文件名）。 默认是 $codeDir/search_space.json。
-* 
-  示例
-  ..
-     加载 Experiment
-  .. code-block:: bash
-     nnictl experiment load --path [path] --codeDir [codeDir]
-:raw-html:`<a name="platform"></a>`
-管理平台信息
-^^^^^^^^^^^^^^^^^^^^^^^^^^^
-* 
-  **nnictl platform clean**
-  * 
-    说明
-    用于清理目标平台上的磁盘空间。 所提供的 YAML 文件包括了目标平台的信息，与 NNI 配置文件的格式相同。
-  * 
-    注意
-    如果目标平台正在被别人使用，可能会造成他人的意外错误。
-  * 
-    用法
-    .. code-block:: bash
-       nnictl platform clean [OPTIONS]
-  * 
-    选项
-.. list-table::
-   :header-rows: 1
-   :widths: auto
-   * - 参数及缩写
-     - 是否必需
-     - 默认值
-     - 说明
-   * - --config
-     - True
-     - 
-     - 创建 Experiment 时的 YAML 配置文件路径。
-:raw-html:`<a name="config"></a>`
-nnictl config show
-^^^^^^^^^^^^^^^^^^
-* 
-  说明
-  显示当前上下文信息。
-* 
-  用法
-  .. code-block:: bash
-     nnictl config show
-:raw-html:`<a name="log"></a>`
-管理日志
-^^^^^^^^^^
-* 
-  **nnictl log stdout**
-  * 
-    说明
-    显示 stdout 日志内容。
-  * 
-    用法
-    .. code-block:: bash
-       nnictl log stdout [options]
-  * 
-    选项
-.. list-table::
-   :header-rows: 1
-   :widths: auto
-   * - 参数及缩写
-     - 是否必需
-     - 默认值
-     - 说明
-   * - id
-     - False
-     - 
-     - 需要设置的 Experiment 的 id
-   * - --head, -h
-     - False
-     - 
-     - 显示 stdout 开始的若干行
-   * - --tail, -t
-     - False
-     - 
-     - 显示 stdout 结尾的若干行
-   * - --path, -p
-     - False
-     - 
-     - 显示 stdout 文件的路径
-* 
-  示例
-  ..
-     显示 stdout 结尾的若干行
-  .. code-block:: bash
-     nnictl log stdout [experiment_id] --tail [lines_number]
-* 
-  **nnictl log stderr**
-  * 
-    说明
-    显示 stderr 日志内容。
-  * 
-    用法
-    .. code-block:: bash
-       nnictl log stderr [options]
-  * 
-    选项
-.. list-table::
-   :header-rows: 1
-   :widths: auto
-   * - 参数及缩写
-     - 是否必需
-     - 默认值
-     - 说明
-   * - 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
-* 
-  **nnictl log trial**
-  * 
-    说明
-    显示 Trial 日志的路径。
-  * 
-    用法
-    .. code-block:: bash
-       nnictl log trial [options]
-  * 
-    选项
-.. list-table::
-   :header-rows: 1
-   :widths: auto
-   * - 参数及缩写
-     - 是否必需
-     - 默认值
-     - 说明
-   * - id
-     - False
-     - 
-     - Trial 的 Experiment ID
-   * - --trial_id, -T
-     - False
-     - 
-     - 所需要找日志路径的 Trial 的 ID，当 id 不为空时，此值也为必需。
-:raw-html:`<a name="webui"></a>`
-Manage webui
-^^^^^^^^^^^^
-* 
-  **nnictl webui url**
-  * 
-    说明
-    显示 Experiment 的 Web 界面链接
-  * 
-    用法
-    .. code-block:: bash
-       nnictl webui url [options]
-  * 
-    选项
-.. list-table::
-   :header-rows: 1
-   :widths: auto
-   * - 参数及缩写
-     - 是否必需
-     - 默认值
-     - 说明
-   * - id
-     - False
-     - 
-     - Experiment ID
-:raw-html:`<a name="algo"></a>`
-管理内置算法
-^^^^^^^^^^^^^^^^^^^^^^^^^
-* 
-  **nnictl algo register**
-  * 
-    说明
-    将自定义的算法注册为内置的 Tuner、Assessor、Advisor。
-  * 
-    用法
-    .. code-block:: bash
-       nnictl algo register --meta <path_to_meta_file>
-    ``<path_to_meta_file>`` 是 yaml 格式元数据文件的路径，具有以下键：
-    *
-      ``algoType``: 算法类型，可为 ``tuner``, ``assessor``, ``advisor``
-    *
-      ``builtinName``: 在 Experiment 配置文件中使用的内置名称
-    *
-      ``className`` : Tuner 类名，包括模块名，例如：``demo_tuner.DemoTuner``
-    *
-      ``classArgsValidator``: 类的参数验证类 validator 的类名，包括模块名，如：``demo_tuner.MyClassArgsValidator``
-  * 
-    示例
-    ..
-       在示例中安装自定义 Tuner 
-    .. code-block:: bash
-       cd nni/examples/tuners/customized_tuner
-       python3 setup.py develop
-       nnictl algo register --meta meta_file.yml
-* 
-  **nnictl algo show**
-  * 
-    说明
-    显示指定注册算法的详细信息
-  * 
-    用法
-    .. code-block:: bash
-       nnictl algo show <builtinName>
-  * 
-    示例
-    .. code-block:: bash
-       nnictl algo show SMAC
-* 
-  **nnictl package list**
-  * 
-    说明
-    列出已注册的内置算法
-  * 
-    用法
-    .. code-block:: bash
-       nnictl algo list
-* 
-  示例
-  .. code-block:: bash
-     nnictl algo list
-* 
-  **nnictl algo unregister**
-  * 
-    说明
-    注销一个已注册的自定义内置算法。 NNI 提供的内置算法不能被注销。 NNI 提供的内置算法不能被注销。
-  * 
-    用法
-    .. code-block:: bash
-       nnictl algo unregister <builtinName>
-  * 
-    示例
-    .. code-block:: bash
-       nnictl algo unregister demotuner
-:raw-html:`<a name="ss_gen"></a>`
-生成搜索空间
-^^^^^^^^^^^^^^^^^^^^^
-* 
-  **nnictl ss_gen**
-  * 
-    说明
-    从使用 NNI NAS API 的用户代码生成搜索空间。
-  * 
-    用法
-    .. code-block:: bash
-       nnictl ss_gen [OPTIONS]
-  * 
-    选项
-.. list-table::
-   :header-rows: 1
-   :widths: auto
-   * - 参数及缩写
-     - 是否必需
-     - 默认值
-     - 说明
-   * - --trial_command
-     - True
-     - 
-     - Trial 代码的命令
-   * - --trial_dir
-     - False
-     - ./
-     - Trial 代码目录
-   * - --file
-     - False
-     - nni_auto_gen_search_space.json
-     - 用来存储生成的搜索空间
-* 
-  示例
-  ..
-     生成搜索空间
-  .. code-block:: bash
-     nnictl ss_gen --trial_command="python3 mnist.py" --trial_dir=./ --file=ss.json
-:raw-html:`<a name="version"></a>`
-NNI 版本校验
-^^^^^^^^^^^^^^^^^
-* 
-  **nnictl --version**
-  * 
-    说明
-    显示当前安装的 NNI 的版本。
-  * 
-    用法
-    .. code-block:: bash
-       nnictl --version
--- a/docs/zh_CN/Tutorial/Nnictl.rst
+++ b/docs/zh_CN/Tutorial/Nnictl.rst
+../../en_US/Tutorial/Nnictl.rst
\ No newline at end of file
--- a/docs/zh_CN/Tutorial/QuickStart.rst
+++ b/docs/zh_CN/Tutorial/QuickStart.rst
+.. df9198c942071002424be17beef23cf5
 快速入门
 ==========

--- a/docs/zh_CN/Tutorial/SearchSpaceSpec.rst
+++ b/docs/zh_CN/Tutorial/SearchSpaceSpec.rst
-.. role:: raw-html(raw)
-   :format: html
-搜索空间
-============
-概述
--------
-在 NNI 中，Tuner 会根据搜索空间来取样生成参数和网络架构。搜索空间通过 JSON 文件来定义。
-要定义搜索空间，需要定义变量名称、采样策略的类型及其参数。
-* 搜索空间示例如下：
-.. code-block:: yaml
-   {
-       "dropout_rate": {"_type": "uniform", "_value": [0.1, 0.5]},
-       "conv_size": {"_type": "choice", "_value": [2, 3, 5, 7]},
-       "hidden_size": {"_type": "choice", "_value": [124, 512, 1024]},
-       "batch_size": {"_type": "choice", "_value": [50, 250, 500]},
-       "learning_rate": {"_type": "uniform", "_value": [0.0001, 0.1]}
-   }
-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
-----
-所有采样策略和参数如下：
-* 
-  ``{"_type": "choice", "_value": options}``
-  * 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。 :githublink:`嵌套搜索空间定义的简单示例 <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，这是从 NNI 中获得的嵌套搜索空间定义的 :githublink:`示例 <examples/trials/mnist-nested-search-space/sample.json>` 。 参见下表了解支持嵌套搜索空间的 Tuner 。
-* 
-  ``{"_type": "randint", "_value": [lower, upper]}``
-  * 从 ``lower`` (包含) 到 ``upper`` (不包含) 中选择一个随机整数。
-  * 注意：不同 Tuner 可能对 ``randint`` 有不同的实现。 一些 Tuner（例如，TPE，GridSearch）将从低到高无序选择，
-    而其它一些（例如，SMAC）则有顺序。 如果希望所有 Tuner 都有序，
-    可使用 ``quniform`` 并设置 ``q=1``。
-* 
-  ``{"_type": "uniform", "_value": [low, high]}``
-  * 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]}``
-  * 变量值为 ``clip(round(uniform(low, high) / q) * q, low, high)``，clip 操作用于约束生成值的边界。 例如，``_value`` 为 [0, 10, 2.5]，可取的值为 [0, 2.5, 5.0, 7.5, 10.0]; ``_value`` 为 [2, 10, 5]，可取的值为 [2, 5, 10]。
-  * 适用于离散，同时反映了某种"平滑"的数值，但上下限都有限制。 如果需要从范围 [low, high] 中均匀选择整数，可以如下定义 ``_value``：``[low, high, 1]``。
-* 
-  ``{"_type": "loguniform", "_value": [low, high]}``
-  * 变量值在范围 [low, high] 中是 loguniform 分布，如 exp(uniform(log(low), log(high)))，因此返回值是对数均匀分布的。
-  * 当优化时，此变量必须是正数。
-* 
-  ``{"_type": "qloguniform", "_value": [low, high, q]}``
-  * 变量值为 ``clip(round(loguniform(low, high) / q) * q, low, high)``，clip 操作用于约束生成值的边界。
-  * 适用于值是“平滑”的离散变量，但上下限均有限制。
-* 
-  ``{"_type": "normal", "_value": [mu, sigma]}``
-  * 变量值为实数，且为正态分布，均值为 mu，标准方差为 sigma。 优化时，此变量不受约束。
-* 
-  ``{"_type": "qnormal", "_value": [mu, sigma, 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]}``
-  * 变量值为 ``exp(normal(mu, sigma))`` 分布，范围值是对数的正态分布。 当优化时，此变量必须是正数。
-* 
-  ``{"_type": "qlognormal", "_value": [mu, sigma, 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
------------------------------------------
-.. list-table::
-   :header-rows: 1
-   :widths: auto
-   * - 
-     - choice
-     - choice(nested)
-     - randint
-     - uniform
-     - quniform
-     - loguniform
-     - qloguniform
-     - normal
-     - qnormal
-     - lognormal
-     - qlognormal
-   * - TPE Tuner
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-   * - Random Search Tuner
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-   * - Anneal Tuner
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-   * - Evolution Tuner
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-   * - SMAC Tuner
-     - :raw-html:`&#10003;`
-     - 
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - 
-     - 
-     - 
-     - 
-     - 
-   * - Batch Tuner
-     - :raw-html:`&#10003;`
-     - 
-     - 
-     - 
-     - 
-     - 
-     - 
-     - 
-     - 
-     - 
-     - 
-   * - Grid Search Tuner
-     - :raw-html:`&#10003;`
-     - 
-     - :raw-html:`&#10003;`
-     - 
-     - :raw-html:`&#10003;`
-     - 
-     - 
-     - 
-     - 
-     - 
-     - 
-   * - Hyperband Advisor
-     - :raw-html:`&#10003;`
-     - 
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-   * - Metis Tuner
-     - :raw-html:`&#10003;`
-     - 
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - 
-     - 
-     - 
-     - 
-     - 
-     - 
-   * - GP Tuner
-     - :raw-html:`&#10003;`
-     - 
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - 
-     - 
-     - 
-     - 
-   * - DNGO Tuner
-     - :raw-html:`&#10003;`
-     - 
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - :raw-html:`&#10003;`
-     - 
-     - 
-     - 
-     - 
-已知的局限：
-* 
-  GP Tuner、Metis Tuner 和 DNGO Tuner 的搜索空间只支持 **数值**，（**choice** 类型在其它 Tuner 中可以使用非数值， 如：字符串等）。 GP Tuner 和 Metis Tuner 都使用了高斯过程的回归（Gaussian Process Regressor, GPR）。 GPR 基于计算不同点距离的和函数来进行预测，其无法计算非数值值的距离。
-* 
-  请注意，对于嵌套搜索空间：
-  * 只有 随机搜索/TPE/Anneal/Evolution Tuner/Grid Search 支持嵌套搜索空间
--- a/docs/zh_CN/Tutorial/SearchSpaceSpec.rst
+++ b/docs/zh_CN/Tutorial/SearchSpaceSpec.rst
+../../en_US/Tutorial/SearchSpaceSpec.rst
\ No newline at end of file
--- a/docs/zh_CN/Tutorial/SetupNniDeveloperEnvironment.rst
+++ b/docs/zh_CN/Tutorial/SetupNniDeveloperEnvironment.rst
-设置 NNI 开发环境
-=================================
-NNI 开发环境支持安装 Python 3 64 位的 Ubuntu 1604 （及以上）和 Windows 10。
-安装
------------
-1. 克隆源代码
-^^^^^^^^^^^^^^^^^^^^
-.. code-block:: bash
-   git clone https://github.com/Microsoft/nni.git
-注意，如果要贡献代码，需要 Fork 自己的 NNI 代码库并克隆。
-2. 从源代码安装
-^^^^^^^^^^^^^^^^^^^^^^^^^^^
-.. code-block:: bash
-   python3 -m pip install --upgrade pip setuptools
-   python3 setup.py develop
-这是在 `开发模式 <https://setuptools.readthedocs.io/en/latest/userguide/development_mode.html>`__ 下安装NNI，
-所以你不需要在编辑之后重新安装。
-3. 检查环境是否正确
-^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
-尝试启动实验来检查环境。
-例如，运行命令
-.. code-block:: bash
-   nnictl create --config examples/trials/mnist-pytorch/config.yml
-并打开网页界面查看
-4. 重新加载改动
-^^^^^^^^^^^^^^^^^
-Python
-^^^^^^
-无需操作，代码已连接到包的安装位置。
-TypeScript (Linux 和 macOS)
-^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
-* 如果改动了 ``tc/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。 可能需要重新启动 ``nnictl`` 来重新加载 NNI 管理器。
-* 如果改动了 ``tx/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``。
-* 如果改动了 ``ts/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。
-TypeScript (Windows)
-^^^^^^^^^^^^^^^^^^^^
-目前，您必须在编辑后使用 `python3 setup.py build_ts` 重建 TypeScript 模块。
-5. 提交拉取请求
-^^^^^^^^^^^^^^^^^^^^^^
-所有改动都需要从自己 Fork 的代码库合并到 master 分支上。 拉取请求的描述必须有意义且有用。
-我们会尽快审查更改。 审查通过后，我们会将代码合并到主分支。
-有关更多贡献指南和编码风格，查看 `贡献文档 <Contributing.rst>`__。
--- a/docs/zh_CN/Tutorial/SetupNniDeveloperEnvironment.rst
+++ b/docs/zh_CN/Tutorial/SetupNniDeveloperEnvironment.rst
+../../en_US/Tutorial/SetupNniDeveloperEnvironment.rst
\ No newline at end of file
--- a/docs/zh_CN/Tutorial/Tensorboard.rst
+++ b/docs/zh_CN/Tutorial/Tensorboard.rst
-如何在 Web 界面中使用 TensorBoard
-====================================================
-从 NNI v2.2 开始，您可以在 Web 界面中跨一个或多个 Trial 启动 TensorBoard 进程。 该功能目前支持本地训练平台和共享存储的重用模式下的训练平台，并将在未来的 NNI 版本中支持更多场景。
-准备
-----------
-确保在您的环境中安装了 TensorBoard。 如果您从未使用过 TensorBoard，这里有入门教程供您参考：`在 TensorFlow 下使用 TensorBoard <https://www.tensorflow.org/tensorboard/get_started>`__, `在 PyTorch 下使用 TensorBoard <https://pytorch.org/tutorials/recipes/recipes/tensorboard_with_pytorch.html>`__。
-使用 Web 界面启动 TensorBoard
--------------------------------------------------------
-1. 保存日志
-^^^^^^^^^^^^
-NNI 将自动获取 Trial 输出文件夹下的 ``tensorboard`` 子文件夹作为 tensorboard logdir。 所以在 Trial 的源代码中，你需要将 TensorBoard 日志保存在 ``NNI_OUTPUT_DIR/tensorboard`` 下。 此日志路径可以连接为：
-.. code-block:: python
-    log_dir = os.path.join(os.environ["NNI_OUTPUT_DIR"], 'tensorboard')
-2. 启动 TensorBoard
-^^^^^^^^^^^^^^^^^^^^^
-像比较一样，首先选择要组合的 Trial 来启动 TensorBoard，然后单击 ``Tensorboard`` 按钮。
-.. image:: ../../img/Tensorboard_1.png
-   :target: ../../img/Tensorboard_1.png
-   :alt: 
-点击弹出框中的 "OK "按钮后，你将跳转到 TensorBoard 门户。
-.. image:: ../../img/Tensorboard_2.png
-   :target: ../../img/Tensorboard_2.png
-   :alt: 
-你可以在 TensorBoard 门户上看到 ``SequenceID-TrialID``。
-.. image:: ../../img/Tensorboard_3.png
-   :target: ../../img/Tensorboard_3.png
-   :alt: 
-3. 全部停用
-^^^^^^^^^^^^
-如果你想打开已经启动的门户，请点击 tensorboard id。 如果你不再需要 TensorBoard，点击 ``Stop all tensorboard`` 按钮。
-.. image:: ../../img/Tensorboard_4.png
-   :target: ../../img/Tensorboard_4.png
-   :alt: 
--- a/docs/zh_CN/Tutorial/Tensorboard.rst
+++ b/docs/zh_CN/Tutorial/Tensorboard.rst
+../../en_US/Tutorial/Tensorboard.rst
\ No newline at end of file