模型训练方法、装置、设备、计算机可读存储介质及计算机程序产品

本申请提供了一种模型训练方法、装置、设备、计算机可读存储介质及计算机程序产品；方法包括：获取标签类型对应图像样本，通过图像分类模型对图像样本分类，得到图像样本的第一分类概率；基于标签类型对应的图像样本的第一分类概率，确定标签类型对应的损失梯度；基于标签类型对应的损失梯度，确定第一损失，基于目标标签类型对应的损失梯度、以及标签类型对应的损失梯度，确定第二损失；对第一损失以及第二损失进行融合处理，得到第三损失，基于第三损失更新图像分类模型，得到经过更新的图像分类模型。通过本申请，能够使得模型可以在标签类型对应的图像样本的数据分布不均时，平等学习所有标签类型，避免高频标签类型主导模型的优化方向。