本发明实施例提供一种深度学习训练方法、装置、设备及可读存储介质。本发明实施例的方法通过将源域数训据集拆分成多个源域数据组，在对源域模型的每一轮模型训练中，均从训练数据组中随机抽取的多个小样本训练集，作为本轮的训练数据进行模型训练，得到各小样本训练集的模型参数；根据各小样本训练集的模型参数更新源域模型的初始参数，根据更新后的初始参数能得到本轮训练后的新的模型；由于每轮模型训练均重新从训练数据组中随机抽取的多个小样本训练集，作为新的训练数据，使得每轮模型训练所使用的训练数据均不相同，这样可以起到丰富训练数据的效果，即使在源域训练数据集中的样本数据较小的情况下，也可以实现训练出效果很好的模型。