本发明公开了一种神经网络搜索方法及系统，方法包括：在待搜索的超网络上随机采样两个不重叠的模型，两个模型在编码器和动量编码器各有一份，基于动量对比学习对编码器训练；固定编码器网络权重将其批规范化层设置为训练模式，在编码器后加上随机初始化的全连接分类头部并对其训练；在验证集计算模型的分类预测准确率作为采样模型的性能指标，重新搜索重复上述采样模型训练、分类头部训练及性能评价的步骤，获取性能指标最好的模型作为最终模型。本发明提供的搜索方法能自监督地对超网络训练，该流程无需数据标注，利用交叉学习让不同结构学到相似的表达，缓解超网络上不同结构训练不公平甚至训练失败的问题，使超网络的训练更高效和鲁棒性更高。