模型训练方法、装置、设备及存储介质

本申请提出一种模型训练方法、装置、设备及存储介质，包括：获取熵值小于预设熵值的目标样本对应的目标样本特征；获取目标样本特征在预设邻域范围内的增广样本特征；基于目标样本特征以及每个增广样本特征对应的概率分布，确定邻域范围内所有增广样本特征与目标样本特征的目标平均相对熵函数；基于目标平均相对熵函数构建目标损失函数；基于目标损失函数调整分类模型。本申请实施例通过在目标损失函数添加目标平均相对熵函数以约束目标样本在预设邻域内的预测一致性，避免了模型在进行增广优化时，朝向多个不同的高置信度类的预测分散问题，从而避免无效的训练方向，提升了适应过程的稳定性。