当推荐遇到社交：美图的推荐算法设计优化实践( 六 )
图2/7
MML 机器学习平台上线后，生产力得到了极大的释放。可以简单归纳为四个方面的收益：
开发效率的显著提升：平台上线前，算法同学需要同时开发样本拼接、模型训练、在线服务等多个模块的代码，平台上线后，算法同学可以专注于模型网络结构的设计；
模型迭代周期显著降低，模型调研的范畴大幅扩大：平台上线前，算法同学需要花费较多的精力在工程模块的开发上面，而且只能在几个固定的算法框架下进行一些有限的尝试。新框架不仅减少了算法同学的工程负担，同时因为框架的灵活性，使得算法的调研不再局限于几个固定的模式，模型迭代效率得到了极大的提升；
机器成本：新平台效率上的提升，也同样体现在机器资源的节约上面，在美拍热门排序上，接入新平台后，机器节约了一半；
经验沉淀：此前各个业务维护自己的模型代码，经验很难进行交流和复用。新平台很好地解决了这部分问题。
推荐阅读
- xyg|XYG晋级S组，还没来得及高兴就遇到了生涯最强的对手，大仙都愁眉苦脸
- 狼队|fly杀伤力有多强？张大仙一句评价太到位，幸好他们没遇到狼队
- 腕豪|LOL：排位选腕豪要BAN掉的五个英雄，遇到第二位，打野来了也没用
- 我的世界|《我的世界》领衔！推荐9款低配置、超耐玩的游戏神作
- 单机|游戏推荐：当前八款最热门的大型单机，都是不容错过的精品游戏
- 游戏推荐|11月游戏推荐，每年的游戏黄金月份，你还在不知道玩什么吗？
- 盖伦|金铲铲：上大分阵容推荐！赌狗阵容变异大嘴湮灭一切！
- 游戏推荐|Steam疯狂周三特惠游戏推荐，每一款都是特别好评！
- 光剑|DNF：鬼剑士武器幻化推荐！光剑首推“灯管”，流光系人气最高
- 传奇|璀璨复古传奇：法师遇到战士只能被按在地上摩擦？道士表示不服