本发明提供一种基于集成学习的神经网络动态早退方法，包括：步骤1，采用相关性损失和多样性损失之和训练多层神经网络及其内部分类器，得到训练好的神经网络和训练好的内部分类器；步骤2，将待处理的数据输入训练好的神经网络，在训练好的神经网络的第一层，计算第一个训练好的内部分类器对数据分类的中间预测结果，得到各个类别的投票数；步骤3，将中间预测结果中的最大票数与预先设定的阈值进行比较，当最大票数大于阈值时，则将最大票数的类别作为最终预测结果，同时从训练好的神经网络退出，反之，则进入训练好的下一层神经网络，通过下一个内部分类器进行投票，直至新的中间预测结果的最大值大于阈值，则退出。