本发明公开一种多任务神经网络的训练方法、装置、计算设备及存储介质，该方法包括：获取训练数据集，并且对于每个任务随机采集训练数据集中一定数量的图片进行标注；对训练数据集中的图片进行预处理，若图片具有所有任务的标签，采用第一方式得到第一图片，反之采用第一方式和第二方式得到第一图片和第二图片；对于每一任务，如果图片具有该任务的标签，则采用交叉熵方法计算该任务的损失函数，反之则计算对应的第一图片和第二图片在该任务上的KL散度值作为损失函数；根据所有损失函数计算梯度值，并根据梯度值调整预设的多任务神经网络模型。根据本发明实施例可以大大减少训练阶段人力成本和时间成本的投入，提升模型对于多任务的预测泛化能力。