模型训练方法、装置、设备、存储介质和程序产品

本申请公开了模型训练方法、装置、设备、存储介质和程序产品，涉及人工智能技术领域，本申请的方法中，在当前训练迭代结束时，基于当前训练迭代得到的第一模型参数，可以确定第一模型参数的误差度。进而，在误差度较大时，可以给第一模型参数较小的参数权重，以及在误差度较小时，可以给第一模型参数较大的参数权重。这样，在当前训练迭代的参数更新方向或更新幅度不正确时，可以降低当前训练迭代对整个模型训练过程的影响，进而，在模型训练过程中，可以始终按照正确的参数更新方向或更新幅度对模型参数进行更新，避免了因模型训练过程波动导致的模型训练时间增长的问题，因此，即使在硬件资源有限的情况下，也可以大大提高模型训练效率。