一种基于小样本的深度学习模型的训练方法

本发明公开了一种基于小样本的深度学习模型的训练方法，涉及人工智能技术领域。将训练样本集输入至深度学习网络框架中，针对任一尺度，域判别器的领域对抗损失和标签分类器的故障分类损失；根据领域对抗损失和故障分类损失，确定目标损失，并通过目标损失对特征提取器的参数进行更新，并对更新后的特征提取器继续进行训练，直至达到第一终止条件，得到初始深度学习模型；将源域样本和目标域样本输入至初始深度学习模型，获取初始深度学习模型中标签分类器的故障分类损失，并通过故障分类损失对标签分类器的参数进行更新，直至达到第二终止条件，得到深度学习模型。该方法能够保证深度学习模型能够具备较高的分类准确性。