本发明公开了一种基于低参数增长快照模型的连续学习方法。本发明将参与训练的模型分为快照模型以及全局模型，全局模型通过顺序学习任务序列中的所有任务以此来接收所有任务中所需要的知识，快照模型为任务流中的每个独立任务训练出来用于存储知识的模型。在学习当前到达的任务时，将学习流程分为两个阶段，第一个阶段是对快照模型进行学习，第二个阶段是利用习得的快照模型来指导约束全局模型学习。本发明利用低参数增长的方法来实现空间高效的快照模型存储，以此来消解对历史数据的依赖，保护用户隐私。使用全局模型保留所有任务的信息，在推断阶段不会引入额外的计算代价。