本发明公开了一种基于Transformer的二训练图像分类算法，属于图像分类技术领域，包括将图像进行预处理并划分成固定大小的子图，连接子图形成输入数据；将输入数据输入ResNet‑50模型，获得图片分类结果；将分类标签和蒸馏标签分别拼接到输入数据的头和尾，得到标签数据；将标签数据进行位置编码，得到位置编码标签数据；将位置编码标签数据输入Transformer模型中，获取分类标签和蒸馏标签的分类结果；将Transformer模型作为学生模型，ResNet‑50模型作为教师模型构建损失函数；将损失函数对Transformer模型进行反向传播训练，训练完成后，得到训练好的Transformer模型；基于训练好的Transformer模型，获得待测图像的类别。本发明将ResNet‑50模型和Transformer模型分别作为师生模型，学习教师网络的特征空间表达，最后输出分类结果。