模型训练方法、装置、电子设备和存储介质

本申请提出一种模型训练方法、装置、电子设备和存储介质，其中，该方法包括：策略更新节点，通过在策略生成过程中确定目标存储区域中轨迹数据的当前数量；目标存储区域中用于存储至少一个策略生成节点基于目标模型的当前策略参数与仿真环境交互产生的轨迹数据；根据批次数量、目标模型的模型大小、策略更新节点中的GPU显存容量确定微批次数量；在当前数量大于或者等于微批次数量时，获取目标存储区域中具有微批次数量的第一轨迹数据，进而进行策略参数更新处理；其中，策略生成过程和策略更新过程可以异步并行执行，从而缩短模型训练时间，提高了模型训练效率；且微批次数量的设置，能够缩短策略更新节点的等待时间，从而进一步缩短模型训练时间。