模型训练优化方法、装置及计算设备

本说明书实施例提供模型训练优化方法、装置及计算设备，其中模型训练优化方法包括：获取强化学习模型，强化学习模型的强化学习过程包括推理阶段、前向传播阶段和模型训练阶段，推理阶段、前向传播阶段和模型训练阶段串行进行；在推理阶段结束后，卸载推理阶段使用的机器资源，在前向传播阶段和模型训练阶段，复用推理阶段使用的机器资源，基于推理阶段获得的样本数据对强化学习模型进行前向传播和模型训练。推理阶段结束后卸载所使用的机器资源，在前向传播阶段和模型训练阶段分时复用该推理阶段使用的机器资源，降低强化学习过程中所需的机器资源的数量，降低强化学习方法使用的门槛。