模型训练方法、装置、设备、存储介质及程序产品

本发明实施例提供了模型训练方法、装置、设备、存储介质及程序产品。该方法包括：基于设定的图像数据集对设定的深度神经网络模型进行预训练，获得预训练后的深度神经网络模型，并作为全局模型以及每个子训练任务的模型；基于多种噪声强度确定目标噪声强度；基于所述目标噪声强度以及设定的子训练任务数量确定每个子训练任务的噪声分布；基于各个子训练任务的噪声分布、各个子训练任务的权重参数以及所述全局模型的权重参数对各个子训练任务以及所述全局模型进行多轮训练，获得训练后的全局模型。本公开实施例，可以使得训练后的全局模型在器件变化环境下具备更强的鲁棒性和性能，以及在不同硬件环境下，具备更好的适应能力和通用性。