一种加速神经网络训练方法、装置、计算机设备及存储介质

本申请属于人工智能技术领域，公开了一种加速神经网络训练方法、装置、计算机设备及存储介质，该方法包括：计算目标样本与第二预设数量的历史样本的平均欧式距离；获取待更新节点在预设历史时刻对应的历史调节量；计算各个历史调节量的平均值，得到平均调节量；将平均欧式距离与平均调节量相加，得到目标调节量；根据目标调节量调节待更新节点；其中，初始神经网络中的各个待更新节点并行执行步骤S2‑S6。本申请可以直接确定目标调节量，动态调整初始神经网络节点参数，使样本无需经过复杂的完整训练即可获得多个节点的调整值，有效减少训练次数，提高了初始神经网络训练的效率与模型的适应性，大幅度降低了训练成本。