Chinese translation (#1278)

docs/zh_CN/SmacTuner.md → docs/zh_CN/Tuner/SmacTuner.md

@@ -4,4 +4,4 @@
 
 [SMAC](https://www.cs.ubc.ca/~hutter/papers/10-TR-SMAC.pdf) 基于 Sequential Model-Based Optimization (SMBO). 它利用使用过的结果好的模型（高斯随机过程模型），并将随机森林引入到 SMBO 中，来处理分类参数。 NNI 的 SMAC 通过包装 [SMAC3](https://github.com/automl/SMAC3) 来支持。
 
-NNI 中的 SMAC 只支持部分类型的[搜索空间](SearchSpaceSpec.md)，包括`choice`, `randint`, `uniform`, `loguniform`, `quniform(q=1)`。
+NNI 中的 SMAC 只支持部分类型的[搜索空间](../Tutorial/SearchSpaceSpec.md)，包括`choice`, `randint`, `uniform`, `loguniform`, `quniform(q=1)`。
\ No newline at end of file

docs/zh_CN/AnnotationSpec.md → docs/zh_CN/Tutorial/AnnotationSpec.md

@@ -36,9 +36,9 @@ NNI 支持如下 10 种类型来表示搜索空间：
 - `@nni.variable(nni.choice(option1,option2,...,optionN),name=variable)` 变量值是选项中的一种，这些变量可以是任意的表达式。
 - `@nni.variable(nni.randint(lower, upper),name=variable)` 变量值的公式为：round(uniform(low, high))。 目前，值的类型为 float。 如果要使用整数，需要显式转换。
 - `@nni.variable(nni.uniform(low, high),name=variable)` 变量值会是 low 和 high 之间均匀分布的某个值。
-- `@nni.variable(nni.quniform(low, high, q),name=variable)` 变量值会是 low 和 high 之间均匀分布的某个值，公式为：round(uniform(low, high) / q) * q
+- `@nni.variable(nni.quniform(low, high, q),name=variable)` 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。
 - `@nni.variable(nni.loguniform(low, high),name=variable)` 变量值是 exp(uniform(low, high)) 的点，数值以对数均匀分布。
-- `@nni.variable(nni.qloguniform(low, high, q),name=variable)` 变量值会是 low 和 high 之间均匀分布的某个值，公式为：round(exp(uniform(low, high)) / q) * q
+- `@nni.variable(nni.qloguniform(low, high, q),name=variable)` 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。
 - `@nni.variable(nni.normal(mu, sigma),name=variable)` 变量值为正态分布的实数值，平均值为 mu，标准方差为 sigma。
 - `@nni.variable(nni.qnormal(mu, sigma, q),name=variable)` 变量值分布的公式为： round(normal(mu, sigma) / q) * q
 - `@nni.variable(nni.lognormal(mu, sigma),name=variable)` 变量值分布的公式为： exp(normal(mu, sigma))
@@ -73,10 +73,10 @@ h_pooling = max_pool(hidden_layer, pool_size)
 
 `'''@nni.report_intermediate_result(metrics)'''`
 
-`@nni.report_intermediate_result` 用来返回中间结果，这和 <Trials.md> 中的 `nni.report_intermediate_result` 用法一样。
+`@nni.report_intermediate_result` 用来返回中间结果，这和[在 NNI 上实现 Trial](../TrialExample/Trials.md) 中 `nni.report_intermediate_result` 的用法一样。
 
 ### 4. 最终结果
 
 `'''@nni.report_final_result(metrics)'''`
 
-`@nni.report_final_result` 用来返回当前 Trial 的最终结果，这和 <Trials.md> 中的 `nni.report_final_result` 用法一样。
+`@nni.report_final_result` 用来返回当前 Trial 的最终结果，这和[在 NNI 上实现 Trial](../TrialExample/Trials.md) 中的 `nni.report_final_result` 用法一样。
\ No newline at end of file

docs/zh_CN/Contributing.md → docs/zh_CN/Tutorial/Contributing.md

@@ -6,7 +6,7 @@
 
 不管怎样，如果想要更有效的贡献代码，可以阅读以下内容。 本文档包括了所有在贡献中需要注意的要点，会加快合并代码、解决问题的速度。
 
-查看[快速入门](./QuickStart.md)来初步了解。
+查看[快速入门](QuickStart.md)来初步了解。
 
 下面是一些简单的贡献指南。
 

docs/zh_CN/ExperimentConfig.md → docs/zh_CN/Tutorial/ExperimentConfig.md

@@ -14,32 +14,36 @@
 - **简化版（不包含 Annotation（标记）和 Assessor）**
 
 ```yaml
-authorName: 
-experimentName: 
-trialConcurrency: 
-maxExecDuration: 
-maxTrialNum: 
+authorName:
+experimentName:
+trialConcurrency:
+maxExecDuration:
+maxTrialNum:
 #可选项: local, remote, pai, kubeflow
-trainingServicePlatform: 
-searchSpacePath: 
-#可选项: true, false
-useAnnotation: 
+trainingServicePlatform:
+searchSpacePath:
+#可选项: true, false, 默认值: false
+useAnnotation:
+#可选项: true, false, 默认值: false
+multiPhase:
+#可选项: true, false, 默认值: false
+multiThread:
 tuner:
   #可选项: TPE, Random, Anneal, Evolution
   builtinTunerName:
   classArgs:
     #可选项: maximize, minimize
     optimize_mode:
-  gpuNum: 
+  gpuNum:
 trial:
-  command: 
-  codeDir: 
-  gpuNum: 
+  command:
+  codeDir:
+  gpuNum:
 #在本地使用时，machineList 可为空
 machineList:
-  - ip: 
-    port: 
-    username: 
+  - ip:
+    port:
+    username:
     passwd:
 ```
 
@@ -54,8 +58,12 @@ maxTrialNum:
 #可选项: local, remote, pai, kubeflow
 trainingServicePlatform: 
 searchSpacePath: 
-#可选项: true, false
-useAnnotation: 
+#可选项: true, false, 默认值: false
+useAnnotation:
+#可选项: true, false, 默认值: false
+multiPhase:
+#可选项: true, false, 默认值: false
+multiThread:
 tuner:
   #可选项: TPE, Random, Anneal, Evolution
   builtinTunerName:
@@ -92,8 +100,12 @@ maxExecDuration:
 maxTrialNum: 
 #可选项: local, remote, pai, kubeflow
 trainingServicePlatform: 
-#可选项: true, false
-useAnnotation: 
+#可选项: true, false, 默认值: false
+useAnnotation:
+#可选项: true, false, 默认值: false
+multiPhase:
+#可选项: true, false, 默认值: false
+multiThread:
 tuner:
   #可选项: TPE, Random, Anneal, Evolution
   builtinTunerName:
@@ -184,9 +196,9 @@ machineList:
     
     - **remote** 将任务提交到远程的 Ubuntu 上，必须用 **machineList** 来指定远程的 SSH 连接信息。
     
-    - **pai** 提交任务到微软开源的 [OpenPAI](https://github.com/Microsoft/pai) 上。 更多 OpenPAI 配置，参考 [pai 模式](./PaiMode.md)。
+    - **pai** 提交任务到微软开源的 [OpenPAI](https://github.com/Microsoft/pai) 上。 更多 OpenPAI 配置，参考 [pai 模式](../TrainingService/PaiMode.md)。
     
-    - **kubeflow** 提交任务至 [Kubeflow](https://www.kubeflow.org/docs/about/kubeflow/)。 NNI 支持基于 Kubeflow 的 Kubenetes，以及[Azure Kubernetes](https://azure.microsoft.com/en-us/services/kubernetes-service/)。
+    - **kubeflow** 提交任务至 [Kubeflow](https://www.kubeflow.org/docs/about/kubeflow/)。 NNI 支持基于 Kubeflow 的 Kubenetes，以及[Azure Kubernetes](https://azure.microsoft.com/en-us/services/kubernetes-service/)。 详情参考 [Kubeflow 文档](../TrainingService/KubeflowMode.md)
 
 - **searchSpacePath**
   
@@ -204,6 +216,18 @@ machineList:
     
     注意: 如果设置了 useAnnotation=True，searchSpacePath 字段必须被删除。
 
+- **multiPhase**
+  
+  - 说明
+    
+    **multiPhase** 启用[多阶段 Experiment](../AdvancedFeature/MultiPhase.md)。
+
+- **multiThread**
+  
+  - 说明
+    
+    **multiThread** 如果 multiThread 设为 `true`，可启动 Dispatcher 的多线程模式。Dispatcher 会为来自 NNI 管理器的每个命令启动一个线程。
+
 - **nniManagerIp**
   
   - 说明
@@ -266,7 +290,7 @@ machineList:
   
   - **gpuNum**
     
-        __gpuNum__ 指定了运行 Tuner 进程的 GPU 数量。 此字段的值必须是正整数。
+        __gpuNum__ 指定了运行 Tuner 进程的 GPU 数量。 此字段的值必须是正整数。 如果此字段没有设置，NNI不会在脚本中添加 `CUDA_VISIBLE_DEVICES` （也就是说，不会通过 `CUDA_VISIBLE_DEVICES` 来控制 GPU 在 Trial 中是否可见），也不会管理 GPU 资源。
         
         注意: 只能使用一种方法来指定 Tuner，例如：设置 {tunerName, optimizationMode} 或 {tunerCommand, tunerCwd}，不能同时设置两者。
         
@@ -290,7 +314,7 @@ machineList:
     
     - **classArgs**
       
-      **classArgs** 指定了 Assessor 算法的参数
+      **classArgs** 指定了 Assessor 算法的参数。
   
   - **codeDir**, **classFileName**, **className** 和 **classArgs**
     

docs/zh_CN/HowToDebug.md → docs/zh_CN/Tutorial/HowToDebug.md

@@ -2,14 +2,14 @@
 
 ## 概述
 
-NNI 中的日志分为三部分。 包括 NNI Manager， Dispatcher 以及 Trial。 这里会简单介绍这些组件。 更多信息可参考[概述](Overview.md)。
+NNI 中的日志分为三部分。 包括 NNI Manager， Dispatcher 以及 Trial。 这里会简单介绍这些组件。 更多信息可参考[概述](../Overview.md)。
 
 - **NNI Controller**：NNI Controller (nnictl) 是命令行工具，用来管理 Experiments（如：启动 Experiment）。
-- **NNI Manager**：这是 NNI 的核心。当 Experiment 出现严重错误时，从它的日志中才能找到原因。（例如，Web 界面无法打开，或者训练服务失败）
+- **NNI Manager**：这是 NNI 的核心。当 Experiment 出现严重错误时，从它的日志中才能找到原因。（例如，Web 界面无法打开，或者训练平台失败）
 - **Dispatcher**: Dispatcher 调用 **Tuner** 和 **Assessor** 的方法。 它的日志与 Tuner 和 Assessor 代码有关。 
     - **Tuner**: Tuner 是一个自动机器学习算法，会为下一个 Trial 生成新的配置。 新的 Trial 会使用这组配置来运行。
     - **Assessor**：Assessor 分析 Trial 的中间结果（例如，测试数据集上定期的精度），来确定 Trial 是否应该被提前终止。
-- **Trial**：Trial 的代码是用户编写的代码，每次 Trial 运行时会尝试一组新的配置（例如，一组新的超参值，或者某个神经网络结构）。
+- **Trial**：Trial 的代码是用户实现的代码，每次 Trial 运行时会尝试一组新的配置（例如，一组新的超参值，或者某个神经网络结构）。
 
 ## 日志的位置
 
@@ -53,7 +53,7 @@ NNI 中有不同的错误类型。 根据严重程度，可分为三类。 当 N
 
 以后一种情况为例。 某自定义的 Tuner，*\_init*\_ 函数有名为 `optimize_mode` 的参数，但配置文件中没有提供此参数。NNI 就会因为初始化 Tuner 失败而造成 Experiment 失败。 可在 Web 界面看到如下错误：
 
-![](../img/dispatcher_error.jpg)
+![](../../img/dispatcher_error.jpg)
 
 可以看到这是一个 Dispatcher 的错误。 因此，检查 Dispatcher 的日志，可找到如下信息：
 
@@ -77,6 +77,6 @@ NNI 中有不同的错误类型。 根据严重程度，可分为三类。 当 N
 
 如，其中常见的一种错误是在运行 MNIST 示例时没有安装 TensorFlow。 因为导入模块的错误（没有安装 Tensorflow，但在 Trial 代码中有 import tensorflow 的语句），每次 Trial 都会运行失败。
 
-![](../img/trial_error.jpg)
+![](../../img/trial_error.jpg)
 
 如图，每个 Trial 都有日志路径，可以从中找到 Trial 的日志和 stderr。
\ No newline at end of file

docs/zh_CN/HowToUseDocker.md → docs/zh_CN/Tutorial/HowToUseDocker.md

@@ -51,7 +51,7 @@
 
 ## 在远程平台上运行docker
 
-NNI支持在[远程平台](RemoteMachineMode.md)上启动实验，在远程机器里运行任务。 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.
+NNI支持在[远程平台](../TrainingService/RemoteMachineMode.md)上启动实验，在远程机器里运行任务。 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.
 
 ### 步骤1：设置docker环境
 
@@ -82,7 +82,7 @@ SSH容器需要一个端口，你需要把docker的SSH服务端口暴露给NNI
 
 ### 步骤三：运行NNI实验
 
-你可以在你的配置文件中，设置训练平台为远程平台，然后设置`machineList`配置。[参考](RemoteMachineMode.md)。 注意你应该设置正确的`port`，`username`, `passwd`或者`sshKeyPath`。
+你可以在你的配置文件中，设置训练平台为远程平台，然后设置`machineList`配置。[参考](../TrainingService/RemoteMachineMode.md)。 注意你应该设置正确的`port`，`username`, `passwd`或者`sshKeyPath`。
 
 `port`: 主机的端口，映射到docker的SSH端口中。
 

docs/zh_CN/Installation.md → docs/zh_CN/Tutorial/Installation.md

@@ -88,13 +88,13 @@
 
 ## 更多
 
-* [概述](Overview.md)
+* [概述](../Overview.md)
 * [使用命令行工具 nnictl](Nnictl.md)
 * [使用 NNIBoard](WebUI.md)
 * [定制搜索空间](SearchSpaceSpec.md)
 * [配置 Experiment](ExperimentConfig.md)
-* [如何在本机运行 Experiment (支持多 GPU 卡)？](LocalMode.md)
-* [如何在多机上运行 Experiment？](RemoteMachineMode.md)
-* [如何在 OpenPAI 上运行 Experiment？](PaiMode.md)
-* [如何通过 Kubeflow 在 Kubernetes 上运行 Experiment？](KubeflowMode.md)
-* [如何通过 FrameworkController 在 Kubernetes 上运行 Experiment？](FrameworkControllerMode.md)
+* [如何在本机运行 Experiment (支持多 GPU 卡)？](../TrainingService/LocalMode.md)
+* [如何在多机上运行 Experiment？](../TrainingService/RemoteMachineMode.md)
+* [如何在 OpenPAI 上运行 Experiment？](../TrainingService/PaiMode.md)
+* [如何通过 Kubeflow 在 Kubernetes 上运行 Experiment？](../TrainingService/KubeflowMode.md)
+* [如何通过 FrameworkController 在 Kubernetes 上运行 Experiment？](../TrainingService/FrameworkControllerMode.md)
\ No newline at end of file

docs/zh_CN/Nnictl.md → docs/zh_CN/Tutorial/Nnictl.md

@@ -112,17 +112,17 @@ nnictl 支持的命令：
   使用此命令来停止正在运行的单个或多个 Experiment。
 
 * 用法
- 
+  
   ```bash
-  nnictl stop [OPTIONS]
+  nnictl stop [Options]
   ```
 
 * 选项
-
-  | 参数及缩写       | 是否必需  | 默认值 | 说明                               |
-  | ----------- | ----- | --- | -------------------------------- |
-  | id          | 否 |     | 要停止的 Experiment 标识               |
-  | --port, -p  | 否 |     | 要停止的 Experiment 使用的 RESTful 服务端口 |
+  
+  | 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 |
 
 * 详细信息及样例
   
@@ -138,13 +138,15 @@ nnictl 支持的命令：
         ```bash
         nnictl stop [experiment_id]
         ```
-
-  3. 如果指定了端口，并且有运行中的 Experiment 正在使用该端口，那么这个 Experiment 将会停止。
-
+        
+  
+  3. 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。
+    
         ```bash
         nnictl stop --port 8080
-        ````
-
+        ```
+        
+  
   4. 可使用 'nnictl stop all' 来停止所有的 Experiment。
     
         ```bash
@@ -386,8 +388,14 @@ nnictl 支持的命令：
   * 用法
     
     ```bash
-    nnictl experiment list
+    nnictl experiment list [OPTIONS]
     ```
+  
+  * 选项
+  
+  | 参数及缩写 | 是否必需  | 默认值 | 说明              |
+  | ----- | ----- | --- | --------------- |
+  | --all | False |     | 列出所有 Experiment |
 
 * **nnictl experiment delete**
   
@@ -403,9 +411,10 @@ nnictl 支持的命令：
   
   * 选项
   
-  | 参数及缩写 | 是否必需  | 默认值 | 说明            |
-  | ----- | ----- | --- | ------------- |
-  | id    | False |     | Experiment ID |
+  | 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 |
 
 <a name="export"></a>
 
@@ -474,7 +483,7 @@ nnictl 支持的命令：
     
     当前，以下 Tuner 和 Advisor 支持导入数据：
     
-    ```yml
+    ```yaml
     内置 Tuner: TPE, Anneal, GridSearch, MetisTuner
     内置 Advisor: BOHB
     ```
@@ -716,4 +725,4 @@ nnictl 支持的命令：
     
     ```bash
     nnictl --version
-    ```
+    ```
\ No newline at end of file

docs/zh_CN/QuickStart.md → docs/zh_CN/Tutorial/QuickStart.md

@@ -54,18 +54,17 @@ if __name__ == '__main__':
 
 NNI 用来帮助超参调优。它的流程如下：
 
-```pseudo
-输入: 搜索空间, Trial 代码, 配置文件
-输出: 一组最佳的超参配置
-
-1: For t = 0, 1, 2, ..., maxTrialNum,
-2:      hyperparameter = 从搜索空间选择一组参数
-3:      final result = run_trial_and_evaluate(hyperparameter)
-4:      返回最终结果给 NNI
-5:      If 时间达到上限,
-6:          停止实验
-7: return 最好的实验结果
-```
+    输入: 搜索空间, Trial 代码, 配置文件
+    输出: 一组最佳的超参配置
+    
+    1: For t = 0, 1, 2, ..., maxTrialNum,
+    2:      hyperparameter = 从搜索空间选择一组参数
+    3:      final result = run_trial_and_evaluate(hyperparameter)
+    4:      返回最终结果给 NNI
+    5:      If 时间达到上限,
+    6:          停止实验
+    7: return 最好的实验结果
+    
 
 如果需要使用 NNI 来自动训练模型，找到最佳超参，需要如下三步：
 
@@ -208,28 +207,28 @@ Web 地址为：[IP 地址]:8080
 
 Experiment 相关信息会显示在界面上，配置和搜索空间等。 可通过 **Download** 按钮来`下载信息和参数`。 可以在运行中或结束后，随时下载 Experiment 的结果。
 
-![](../img/QuickStart1.png)
+![](../../img/QuickStart1.png)
 
 前 10 个 Trial 结果也会列在 Overview 页面中，可以在 "Trials Detail" 部分浏览所有的 Trial。
 
-![](../img/QuickStart2.png)
+![](../../img/QuickStart2.png)
 
 #### 查看 Trial 详情页面
 
 点击 "Default Metric" 来查看所有 Trial 的点图。 悬停鼠标来查看默认指标和搜索空间信息。
 
-![](../img/QuickStart3.png)
+![](../../img/QuickStart3.png)
 
 点击 "Hyper Parameter" 标签查看图像。
 
 * 可选择百分比查看最好的 Trial。
 * 选择两个轴来交换位置。
 
-![](../img/QuickStart4.png)
+![](../../img/QuickStart4.png)
 
 点击 "Trial Duration" 标签来查看柱状图。
 
-![](../img/QuickStart5.png)
+![](../../img/QuickStart5.png)
 
 下面是所有 Trial 的状态。 包括：
 
@@ -238,20 +237,20 @@ Experiment 相关信息会显示在界面上，配置和搜索空间等。 可
 * Kill: 可终止正在运行的任务。
 * 支持搜索某个特定的 Trial。
 
-![](../img/QuickStart6.png)
+![](../../img/QuickStart6.png)
 
 * 中间结果图
 
-![](../img/QuickStart7.png)
+![](../../img/QuickStart7.png)
 
 ## 相关主题
 
-* [尝试不同的 Tuner](BuiltinTuner.md)
-* [尝试不同的 Assessor](BuiltinAssessors.md)
+* [尝试不同的 Tuner](../Tuner/BuiltinTuner.md)
+* [尝试不同的 Assessor](../Assessor/BuiltinAssessor.md)
 * [使用命令行工具 nnictl](Nnictl.md)
-* [如何编写 Trial 代码](Trials.md)
-* [如何在本机运行 Experiment (支持多 GPU 卡)？](LocalMode.md)
-* [如何在多机上运行 Experiment？](RemoteMachineMode.md)
-* [如何在 OpenPAI 上运行 Experiment？](PaiMode.md)
-* [如何通过 Kubeflow 在 Kubernetes 上运行 Experiment？](KubeflowMode.md)
-* [如何通过 FrameworkController 在 Kubernetes 上运行 Experiment？](FrameworkControllerMode.md)
+* [如何实现 Trial 代码](../TrialExample/Trials.md)
+* [如何在本机运行 Experiment (支持多 GPU 卡)？](../TrainingService/LocalMode.md)
+* [如何在多机上运行 Experiment？](../TrainingService/RemoteMachineMode.md)
+* [如何在 OpenPAI 上运行 Experiment？](../TrainingService/PaiMode.md)
+* [如何通过 Kubeflow 在 Kubernetes 上运行 Experiment？](../TrainingService/KubeflowMode.md)
+* [如何通过 FrameworkController 在 Kubernetes 上运行 Experiment？](../TrainingService/FrameworkControllerMode.md)
\ No newline at end of file

docs/zh_CN/SearchSpaceSpec.md → docs/zh_CN/Tutorial/SearchSpaceSpec.md

@@ -47,7 +47,8 @@
 
 * {"_type":"quniform","_value":[low, high, q]}
   
-  * 这表示变量值会类似于 round(uniform(low, high) / q) * 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]}
@@ -57,7 +58,7 @@
 
 * {"_type":"qloguniform","_value":[low, high, q]}
   
-  * 这表示变量值会类似于 round(loguniform(low, high)) / q) * 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]}
@@ -78,6 +79,12 @@
   * 这表示变量值会类似于 round(exp(normal(mu, sigma)) / q) * q
   * 适用于值是“平滑”的离散变量，但某一边有界。
 
+* {"_type":"mutable_layer","_value":{mutable_layer_infomation}}
+  
+  * [神经网络架构搜索空间](../AdvancedFeature/GeneralNasInterfaces.md)的类型。 值是字典类型，键值对表示每个 mutable_layer 的名称和搜索空间。
+  * 当前，只能通过 Annotation 来使用这种类型的搜索空间。因此不需要为搜索空间定义 JSON 文件，它会通过 Trial 中的 Annotation 自动生成。
+  * 具体用法参考[通用 NAS 接口](../AdvancedFeature/GeneralNasInterfaces.md)。
+
 ## 每种 Tuner 支持的搜索空间类型
 
 |                     |  choice  | randint  | uniform  | quniform | loguniform | qloguniform |  normal  | qnormal  | lognormal | qlognormal |
@@ -88,24 +95,16 @@
 |   Evolution Tuner   | ✓ | ✓ | ✓ | ✓ |  ✓  |  ✓   | ✓ | ✓ | ✓  |  ✓  |
 |     SMAC Tuner      | ✓ | ✓ | ✓ | ✓ |  ✓  |             |          |          |           |            |
 |     Batch Tuner     | ✓ |          |          |          |            |             |          |          |           |            |
-|  Grid Search Tuner  | ✓ |          |          | ✓ |            |  ✓   |          |          |           |            |
+|  Grid Search Tuner  | ✓ | ✓ |          | ✓ |            |             |          |          |           |            |
 |  Hyperband Advisor  | ✓ | ✓ | ✓ | ✓ |  ✓  |  ✓   | ✓ | ✓ | ✓  |  ✓  |
 |     Metis Tuner     | ✓ | ✓ | ✓ | ✓ |            |             |          |          |           |            |
 |      GP Tuner       | ✓ | ✓ | ✓ | ✓ |  ✓  |  ✓   |          |          |           |            |
 
 已知的局限：
 
-* 注意，在 Grid Search Tuner 中，为了使用方便 `quniform` 和 `qloguniform` 的定义也有所改变，其中的 q 表示采样值的数量。 详情如下：
-  
-      * 类型 'quniform' 接收三个值 [low, high, q]， 其中 [low, high] 指定了范围，而 'q' 指定了会被均匀采样的值的数量。 注意 q 至少为 2。 它的第一个采样值为 'low'，每个采样值都会比前一个大 (high-low)/q 。
-      
-      * 类型 'qloguniform' 的行为与 'quniform' 类似，不同处在于首先将范围改为 [log(low), log(high)] 采样后，再将数值还原。
-      
-
 * 注意 Metis Tuner 当前仅支持在 `choice` 中使用数值。
 
 * 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" 并行图，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。
+      * 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

docs/zh_CN/SetupNniDeveloperEnvironment.md → docs/zh_CN/Tutorial/SetupNniDeveloperEnvironment.md

@@ -4,7 +4,7 @@
 
 ## 调试 NNI 源代码的最佳实践
 
-要调试 NNI 源代码，需要 Ubuntu 16.04 或更高版本系统的开发环境，并需要安装 Python 3.x 以及 pip3，然后遵循以下步骤。
+要调试 NNI 源代码，需要 Ubuntu 16.04 或更高版本系统的开发环境，并需要安装 Python 3 以及 pip 3，然后遵循以下步骤。
 
 **1. 克隆源代码**
 
@@ -57,4 +57,4 @@ Trial 启动 Experiment 来检查环境。 例如，运行命令
 
 * * *
 
-最后，希望一切顺利。 参考[贡献](./Contributing.md)文档，来了解更多创建拉取请求或问题的指南。
+最后，希望一切顺利。 参考[贡献](Contributing.md)文档，来了解更多创建拉取请求或问题的指南。
\ No newline at end of file

docs/zh_CN/Tutorial/WebUI.md

+# Web 界面
+
+## 查看概要页面
+
+点击标签 "Overview"。
+
+* 查看 Experiment Trial 配置、搜索空间以及结果好的 Trial。
+
+![](../../img/webui-img/over1.png) ![](../../img/webui-img/over2.png)
+
+* 如果 Experiment 包含了较多 Trial，可改变刷新间隔。
+
+![](../../img/webui-img/refresh-interval.png)
+
+* 支持查看并下载 Experiment 结果，以及 NNI Manager、Dispatcher 的日志文件。
+
+![](../../img/webui-img/download.png)
+
+* 如果 Experiment 状态为 ERROR，可点击图标，查看 Experiment 错误日志。
+
+![](../../img/webui-img/log-error.png) ![](../../img/webui-img/review-log.png)
+
+* 点击 "Feedback" 反馈问题。
+
+## 查看任务默认指标
+
+* 点击 "Default Metric" 来查看所有 Trial 的点图。 悬停鼠标来查看默认指标和搜索空间信息。
+
+![](../../img/webui-img/default-metric.png)
+
+* 点击开关 "optimization curve" 来查看 Experiment 的优化曲线。
+
+![](../../img/webui-img/best-curve.png)
+
+## 查看超参
+
+点击 "Hyper Parameter" 标签查看图像。
+
+* 可选择百分比查看最好的 Trial。
+* 选择两个轴来交换位置。
+
+![](../../img/hyperPara.png)
+
+## 查看 Trial 运行时间
+
+点击 "Trial Duration" 标签来查看柱状图。
+
+![](../../img/trial_duration.png)
+
+## 查看 Trial 中间结果
+
+单击 "Intermediate Result" 标签查看折线图。
+
+![](../../img/webui-img/trials_intermeidate.png)
+
+由于训练中可能有非常多的中间结果，因此中间结果图提供了过滤功能。 如果要使用过滤按钮查看部分 Trial，则需要提供数据。
+
+第一个输入框应该填入什么？ 可能会发现一个 Trial 的中间结果点变得更好或者更差。 换句话说，这可能是非常重要的中间结果点。 只需将其输入第一个输入框中。
+
+选择了中间结果序号后，要输入需要了解的该中间结果序号的指标范围。 即其最小值和最大值。 如此图中，中间结果点为 9，指标范围为 60 至 80。
+
+Trial 中指标范围在 20 至 60 的 13 个结果就被过滤掉了。
+
+![](../../img/webui-img/filter-intermediate.png)
+
+## 查看 Trial 状态
+
+点击 "Trials Detail" 标签查看所有 Trial 的状态。 包括：
+
+* Trial 详情：Trial 的 id，持续时间，开始时间，结束时间，状态，精度和搜索空间。
+
+![](../../img/webui-img/detail-local.png)
+
+* "Add column" 按钮可选择在表格中显示的列。 如果 Experiment 的最终结果是 dict，则可以在表格中查看其它键。 可选择 "Intermediate count" 列来查看 Trial 进度。
+
+![](../../img/webui-img/addColumn.png)
+
+* 如果要比较某些 Trial，可选择并点击 "Compare" 来查看结果。
+
+![](../../img/webui-img/select-trial.png) ![](../../img/webui-img/compare.png)
+
+* 支持通过 id，状态，Trial 编号， 以及参数来搜索。
+
+![](../../img/webui-img/search-trial.png)
+
+* 可使用 "Copy as python" 按钮来拷贝 Trial 的参数。
+
+![](../../img/webui-img/copyParameter.png)
+
+* 如果在 OpenPAI 或 Kubeflow 平台上运行，还可以看到 hdfsLog。
+
+![](../../img/webui-img/detail-pai.png)
+
+* 中间结果图：可在此图中通过点击 operation 中的按钮来查看默认和其它键值。
+
+![](../../img/webui-img/intermediate-btn.png) ![](../../img/webui-img/intermediate.png)
+
+* Kill: 可终止正在运行的任务。
+
+![](../../img/webui-img/kill-running.png) ![](../../img/webui-img/canceled.png)
\ No newline at end of file

docs/zh_CN/Tutorials.rst

-######################
-教程
-######################
-
-..  toctree::
-    :maxdepth: 2
-
-    安装<Installation>
-    实现 Trial<Trials>
-    Tuner<tuners>
-    Assessor<assessors>
-    Web 界面<WebUI>
-    训练平台<training_services>
-    如何使用 Docker <HowToUseDocker>
-    高级功能<advanced>
-    如何调试<HowToDebug>
\ No newline at end of file

docs/zh_CN/WebUI.md

-# Web 界面
-
-## 查看概要页面
-
-点击标签 "Overview"。
-
-* 查看 Experiment 的配置和搜索空间内容。
-* 支持下载 Experiment 结果。
-* 支持导出 nni-manager 和 dispatcher 的日志文件。
-* 如果有任何问题，可以点击 “Feedback” 告诉我们。
-* 如果 Experiment 包含了超过 1000 个 Trial，可改变刷新间隔。
-
-![](../img/webui-img/over1.png)
-
-* 查看最好结果的 Trial。
-
-![](../img/webui-img/over2.png)
-
-## 查看任务默认指标
-
-点击 "Default Metric" 来查看所有 Trial 的点图。 悬停鼠标来查看默认指标和搜索空间信息。
-
-![](../img/accuracy.png)
-
-## 查看超参
-
-点击 "Hyper Parameter" 标签查看图像。
-
-* 可选择百分比查看最好的 Trial。
-* 选择两个轴来交换位置。
-
-![](../img/hyperPara.png)
-
-## 查看 Trial 运行时间
-
-点击 "Trial Duration" 标签来查看柱状图。
-
-![](../img/trial_duration.png)
-
-## 查看 Trial 中间结果
-
-单击 "Intermediate Result" 标签查看折线图。
-
-![](../img/webui-img/trials_intermeidate.png)
-
-该图有筛选功能。 点击筛选按钮， 在第一个输入框中输入关注点的序号， 在第二个输入框中输入中间结果的范围，选出需要的数据。
-
-![](../img/webui-img/filter_intermediate.png)
-
-## 查看 Trial 状态
-
-点击 "Trials Detail" 标签查看所有 Trial 的状态。 特别是：
-
-* Trial 详情：Trial 的 id，持续时间，开始时间，结束时间，状态，精度和搜索空间。
-
-![](../img/webui-img/detail-local.png)
-
-* "Add column" 按钮可选择在表格中显示的列。 如果 Experiment 的最终结果是 dict，则可以在表格中查看其它键。
-
-![](../img/webui-img/addColumn.png)
-
-* 如果要比较某些 Trial，可选择并点击 "Compare" 来查看结果。
-
-![](../img/webui-img/compare.png)
-
-* 可使用 "Copy as python" 按钮来拷贝 Trial 的参数。
-
-![](../img/webui-img/copyParameter.png)
-
-* 如果在 OpenPAI 或 Kubeflow 平台上运行，还可以看到 hdfsLog。
-
-![](../img/webui-img/detail-pai.png)
-
-* Kill: 可终止正在运行的任务。
-* 支持搜索某个特定的 Trial。
-* Intermediate Result Graph: 可看到图中默认和其它的键值。
-
-![](../img/webui-img/intermediate.png)
\ No newline at end of file

docs/zh_CN/advanced.rst

@@ -2,6 +2,6 @@
 =====================
 
 ..  toctree::
-    多阶段<MultiPhase>
-    高级网络架构搜索<AdvancedNas>
-    NAS 编程接口<GeneralNasInterfaces>
+    多阶段<./AdvancedFeature/MultiPhase>
+    高级网络架构搜索<./AdvancedFeature/AdvancedNas>
+    NAS 编程接口<./AdvancedFeature/GeneralNasInterfaces>
\ No newline at end of file

docs/zh_CN/assessors.rst

@@ -15,5 +15,5 @@ Assessor 从 Trial 中接收中间结果，并通过指定的算法决定此 Tri
 ..  toctree::
     :maxdepth: 2
 
-    内置 Assessor<BuiltinAssessor>
-    自定义 Assessor<CustomizeAssessor>
+    内置 Assessor<builtin_assessor>
+    自定义 Assessor<Assessor/CustomizeAssessor>

docs/zh_CN/builtin_assessor.rst

@@ -4,6 +4,6 @@
 ..  toctree::
     :maxdepth: 1
 
-    介绍<BuiltinAssessor>
-    Medianstop<MedianstopAssessor>
-    Curvefitting<CurvefittingAssessor>
+    概述<./Assessor/BuiltinAssessor>
+    Medianstop<./Assessor/MedianstopAssessor>
+    Curvefitting（曲线拟合）<./Assessor/CurvefittingAssessor>
\ No newline at end of file