本发明涉及互联网大数据技术领域，具体涉及基于数据分布的分层加权抗噪深度度量学习方法，包括：将随机合成的噪声样本加载到训练数据集中；基于数据间的距离关系刻画数据分布，随着训练进程推进数据分布的记录更新；基于数据分布的分布矩阵，去除每个训练batch中的噪声样本；基于数据分布自适应指导采样策略的学习并完成采样；最小化模型的损失函数以更新模型参数，并同步更新数据分布。本发明的深度度量学习方法能够提高模型的训练准确性和训练鲁棒性，从而能够保证模型的训练效果。