用于分类的神经网络模型的训练方法、装置、设备及介质

本申请涉及一种用于分类的神经网络模型的训练方法、装置、设备及介质，其方法包括：根据训练样本生成对抗样本，所述训练样本为图像样本或者文字样本；初始化待训练模型，待训练模型为用于分类的神经网络模型；基于训练样本和对抗样本，对初始化后的待训练模型进行多轮次的训练，当当前训练轮次为预设基数的整数倍数，则基于随机遗忘系数，对当前轮次模型进行重置；当当前训练轮次不为预设基数的整数倍数，则将当前轮次模型与初始化后的待训练模型对齐计算损失函数值，并神经网络模型根据更新当前轮次模型训练，直到满足训练结束条件，得到训练好的用于分类的神经网络模型。本申请显著增加了模型的泛化性及抗干扰能力。