加速训练神经网络模型方法、装置、设备及存储介质

本申请公开了一种加速训练神经网络模型方法、装置、设备及存储介质，涉及传动系统控制技术领域。本申请的方法包括：获取待训练路径规划模型中隐藏层的权重范数；根据权重范数，确定对应隐藏层的采样概率；根据采样概率，确定训练层；通过AdamW优化策略对训练层的模型参数迭代优化；通过训练后的路径规划模型，得到路径规划结果。通过选择性地只更新一部分隐藏层的参数，可以显著减少每次迭代中需要处理的参数数量，从而降低计算复杂度和训练时间，可以集中计算资源对模型中更重要的部分进行优化，提高资源使用的效率。该方法特别适用于解决大规模的路径规划问题，如自动驾驶和无人机群导航这些需要处理大量的数据和复杂的决策模型。