什么是机器学习平台

火山引擎机器学习平台是面向机器学习应用开发者，提供【开发机】和【自定义训练】等丰富建模工具、多框架高性能模型推理服务的企业级开发平台，支持从数据托管、代码开发、模型训练、模型部署的全生命周期工作流。

超大规模分布式训练
支持运行超大规模的分布式任务，包含多种预置算法框架和自定义算法框架。提供稳定、灵活、高性能的机器学习训练环境。

多框架高性能推理
支持多种框架的模型在异构硬件上的一键部署，具有高吞吐、低延时、实时扩缩容等特点，使推理服务更具弹性和容错性。

高性价比算力资源
提供高性价比的预付费资源组，支持资源组内配额分配、任务管理、查看资源利用率等功能，提升整体资源利用率。

高效率开发调试工具
提供了云端机器学习开发环境 —— 开发机，内置了多种主流机器学习框架的镜像。结合弹性资源以及与分布式训练时相同的环境，可以极大提升开发和调试的效率。同时提供命令行工具支持端云协同开发环境，可以从本地环境一键发起并管理训练任务。

初次使用机器学习平台的用户建议按需使用如下材料进行了解和学习。

基础知识
避免用户因陌生名词或概念堵塞操作流程，在功能总览中阐述了机器学习平台的主要功能模块，在常用概念解释了一些额外的常用名词，至于产品计费相关的信息请参考实例规格及定价。用户通过上述章节可以了解到 “机器学习平台有什么？”。

快速入门
为了便于用户快速了解机器学习平台的开发全流程，在快速入门章节中阐述了从创建账号、配置权限、准备数据、训练模型、部署服务等一系列流程的操作方法。

各模块指南
阅读过上述章节后用户对平台的主要功能及操作流程已经具备基本的了解，在后续使用中可以通过查看用户指南中各模块的详细功能介绍解决遇到的问题。随着对平台的深入使用后，用户有可能需要对不同的子账号划分特定权限，此时可参考权限管理。

最佳实践
列举了在机器学习平台上开发项目的一些最佳实践，比如参考数据样本的存储可以了解在机器学习平台上如何存储大规模数据，通过查阅代码示例中的 Demo 能够更加熟悉机器学习常见的训练范式以及 Python SDK的使用方法。

SDK / CLI
想要直接调用 Python SDK 完成开发请参考Python SDK，想要在本地发起和管理训练任务请参考命令行工具。