一种高效且高兼容性的半监督学习模型训练方法及设备

本发明提供一种高效且高兼容性的半监督学习模型训练方法及设备，方法包括：将有标签和无标签的图像数据按照一定的比例组合成若干批；将数据逐批次输入ACCT半监督学习框架中的两条支路上待训练的模型中；将两个模型输出的预测结果通过交叉伪监督的方式来计算预测损失，并反向传播预测损失，用于同时更新两个模型的参数；按照上述步骤迭代训练多个轮次，直到两个模型的损失曲线收敛。本发明基于深度学习对半监督学习模型的训练方法进行了优化，提升了训练的效果、简化了训练的步骤、降低了训练的成本。