公开了一种机器学习计算优化方法和平台。所述方法包括：将机器学习计算图切分为由有状态节点的上游节点组成的数据工作子图以及由有状态节点及其下游节点组成的训练工作子图，并在被切分边的两侧，向数据工作子图添加数据发送节点，并向训练工作子图添加数据接收节点。由此基于节点有无状态划分计算图并插入通信节点，本发明能够将同一任务中的数据和训练工作解耦，从而能够动态分配运行时参与数据工作的通用计算资源，解决因无法为诸如GPU的专用计算单元提供足够的预处理数据而导致的深度学习任务运行效率降低的问题。进一步地，通过与调度器相结合，能够在集群范围内进行通用计算资源调度，打破单机界限，提升平台整体的硬件利用效率。