一种匹配任务难度的类别增量学习模型定制化方法、装置及存储介质

本发明公开了一种匹配任务难度的类别增量学习模型定制化方法、装置及存储介质，属于分类网络设计领域。该方法包括：设计匹配当前任务难度的不等式约束，筛选随机节点，以构建类别增量学习模型的表征学习层的神经单元；以动态前向更新的方式更新类别增量学习模型的分类器层的输出权值；基于当前任务的训练数据计算输出概率，并根据输出概率对应的激活阈值对神经单元进行参数化，更新类别增量学习模型，得到定制化的类别增量学习模型；获取训练过的某一任务的测试数据，将测试数据输入定制化的类别增量学习模型中激活对应的神经单元，得到输出类别。分配与任务难度相匹配的扩展配额，使得网络的扩展与适应新任务所需的模型容量相匹配。