网络调度模型训练的方法、装置、设备、介质及产品

本公开涉及机器学习技术领域，具体提供了一种网络调度模型训练的方法、装置、设备、介质及产品。其中，该方法包括：根据拉格朗日乘子、多个网络调度状态样本及其分别对应的网络调度动作，生成离线训练数据；根据离线训练数据，对强化学习模型进行参数调整；根据调整后的强化学习模型，更新拉格朗日乘子；若确定更新后的拉格朗日乘子符合收敛条件，则将调整后的强化学习模型作为训练好的目标网络调度模型，否则，根据更新后的拉格朗日乘子更新离线训练数据，并基于更新后的离线训练数据调整强化学习模型。这样，通过不断更新的离线训练数据进行模型训练，可以在兼顾模型性能的同时，减少训练成本。