神经网络模型的训练方法、装置、设备、存储介质和程序产品

本申请涉及人工智能技术领域，提供一种神经网络模型的训练方法、装置、设备、存储介质和程序产品，可以节约训练过程的计算开销。本申请中，进行非首次迭代的当前次迭代时，根据携带上次迭代后得到的模型参数的神经网络模型，对当前次迭代的训练数据进行前向计算，得到当前次迭代的损失值；根据当前次迭代的损失值与上次迭代的损失值，得到与当前次迭代对应的损失变化量；对与当前次迭代对应的损失变化量以及与历史次迭代对应的损失变化量进行统计，得到当前次迭代的损失门控阈值；根据当前次迭代的损失值以及当前次迭代的损失门控阈值之间的相对大小，确定是否基于当前次迭代的损失值进行反向传播，以确定当前次迭代后得到的模型参数。