由于近几年网络发展迅速,导致传统网络很难应对复杂的上层应用。为了优化传统网络,提升基础设施的性能尤为关键。同时机器学习发展迅速,取得许多不错的成果。很多算法研究人员开始尝试利用机器学习来提升网络设备性能,比如队列调度、缓存管理和拥塞控制等方面。调查表明,传统的交换机共享缓存分配机制存在很大的提升空间。假如能将机器学习应用到共享缓存分配中定会带来效率提升。但是目前的仿真环境都很难反应真实网络的变化且无法方便地接入机器学习模块。存在算法研究人员难以训练与评估算法模型性能的问题。在这种背景下,算法研究人员需要一种高效的机器学习训练与评估验证平台。本论文着重于解决算法研究人员算法模型难以训练和测试的问题。本文基于共享缓存交换机中的缓存管理,利用DPDK（Data Plane Development Kit）技术开发交换机智能缓存管理机制验证平台。本系统具备的功能模块有交换机数据平面的实现、自定义测试流量的生成、基准线对比方案、模型训练、模型决策通信、模型性能可视化和模型训练数据保存。目的是给算法研究人员提供训练与评估平台,通过配置与运行脚本即可完成训练和测试工作,减轻算法研究人员的额外负担。本系统相对于NS-3（Network Simulator 3）实现的仿真系统,是基于真实网络流量,在效率和流量真实性上均优于NS-3实现的仿真系统。本文对系统展开详细地测试,结果表明在本系统上训练模型的效率是在NS-3上实现的模拟系统效率的十倍左右。本系统通过可配置的实验脚本与可视化脚本可以方便算法研究人员进行训练与评估,解决了机器学习难以应用到共享缓存分配中的问题。