1.一种目标模型的获取方法，其特征在于，包括：

利用第一训练样本预训练原始模型，以调整所述原始模型的网络参数；其中，所述原始模型包括用于特征提取的第一子网络；

利用第二子网络和经预训练的所述第一子网络的至少部分结构，得到所述目标模型；

其中，所述第二子网络用于基于所述第一子网络提取的特征执行目标任务；

利用与所述目标任务对应的第二训练样本训练所述目标模型，以调整所述目标模型的网络参数。

2.根据权利要求1所述的方法，其特征在于，所述利用第二子网络和经预训练的所述第一子网络的至少部分结构，得到所述目标模型，包括：利用所述第一子网络的不同部分结构得到至少一个候选子网络，并选取满足预设条件的所述候选子网络作为最优子网络；

利用所述最优子网络和所述第二子网络，得到所述目标模型。

3.根据权利要求2所述的方法，其特征在于，所述预设条件包括以下至少一者：所述候选子网络中的特征提取单元数量达到预设数量，利用所述候选子网络与所述第二子网络得到的候选模型满足预设性能条件。

4.根据权利要求3所述的方法，其特征在于，所述第一子网络包括至少一路分支网络，且每路所述分支网络包括顺序连接的多个网络区段，每一所述网络区段包括顺序连接的至少一个特征提取单元；所述候选子网络包括同一所述分支网络中每个所述网络区段中的至少一个特征提取单元，且不同所述候选子网络中的所述特征提取单元至少部分不同。

5.根据权利要求4所述的方法，其特征在于，所述第一子网络包括一路所述分支网络，所述利用所述第一子网络的不同部分结构得到至少一个候选子网络，并选取满足预设条件的所述候选子网络作为最优子网络，包括：利用每个所述网络区段中的至少一个特征提取单元，得到初始的至少一个候选子网络；

从所述至少一个候选子网络中，选择与所述第二子网络组成的候选模型满足预设性能条件的所述候选子网络，作为选中子网络；

在所述选中子网络中的特征提取单元数量小于预设数量的情况下，利用所述选中子网络和未在所述选中子网络中的至少一个所述特征提取单元，得到新的所述候选子网络，并重复执行所述选择与所述第二子网络组成的候选模型满足预设性能条件的所述候选子网络及其后续步骤；

在所述选中子网络中的特征提取单元数量等于预设数量的情况下，将所述选中子网络作为所述最优子网络。

6.根据权利要求5所述的方法，其特征在于，所述利用每个所述网络区段中的至少一个特征提取单元，得到初始的至少一个候选子网络，包括：分别将每个所述网络区段作为目标区段，并利用每个所述目标区段中前两个特征提取单元和其余所述网络区段中首个所述特征提取单元，得到对应所述目标区段的初始的候选子网络；

所述利用所述选中子网络和未在所述选中子网络中的至少一个所述特征提取单元，得到新的所述候选子网络，包括：在所述选中子网络中，分别确定位于各个所述网络区段中最末位的特征提取单元，作为对应所述网络区段的目标单元；

分别利用所述选中子网络与不同所述网络区段中位于所述目标单元之后首个所述特征提取单元，得到新的不同候选子网络。

7.根据权利要求3所述的方法，其特征在于，在所述预设条件包括利用所述候选子网络与所述第二子网络得到的候选模型满足预设性能条件的情况下；所述选取满足预设条件的所述候选子网络作为最优子网络，包括：利用与所述目标任务对应的验证样本，对利用所述候选子网络与所述第二子网络得到的候选模型进行验证，得到所述候选模型执行所述目标任务的性能评分；

基于所述性能评分确定所述候选模型是否满足所述预设性能条件；

和/或，在所述预设条件包括所述候选子网络中的特征提取单元数量达到预设数量的情况下；所述第一子网络包含第一数量个特征提取单元，所述第一子网络包含第二数量个网络区段，所述预设数量小于所述第一数量，且大于或等于所述第二数量。

8.根据权利要求1至7任一项所述的方法，其特征在于，所述第一子网络包括至少一路分支网络，且每路所述分支网络包括顺序连接的多个网络区段，每一所述网络区段包括顺序连接的至少一个特征提取单元；所述利用第一训练样本预训练原始模型，以调整所述原始模型的网络参数，包括：每次训练前利用预设选择策略，选择一路所述分支网络，并在选择的分支网络的每一所述网络区段中选择一所述特征提取单元；

利用所述第一训练样本，对每一所述网络区段中位于选择的特征提取单元之前的部分进行训练，以调整每一所述网络区段中位于选择的特征提取单元之前的部分的网络参数。

9.根据权利要求8所述的方法，其特征在于，所述特征提取单元包括顺序连接的卷积层、激活层和批处理层；

和/或，所述第一子网络还包括位于相邻所述网络区段之间的下采样层。

10.根据权利要求1至9任一项所述的方法，其特征在于，在所述利用第一训练样本预训练原始模型，以调整所述原始模型的网络参数之后，以及在所述利用第二子网络和经预训练的所述第一子网络的至少部分结构，得到所述目标模型之前，所述方法还包括：利用所述第二训练样本训练所述原始模型，以调整所述原始模型的网络参数。

11.根据权利要求1至10任一项所述的方法，其特征在于，在所述利用第二子网络和经预训练的所述第一子网络的至少部分结构，得到所述目标模型之后，以及在所述利用与所述目标任务对应的第二训练样本训练所述目标模型，以调整所述目标模型的网络参数之前，所述方法还包括：利用所述第一训练样本训练所述目标模型，以调整所述目标模型的网络参数。

12.根据权利要求1至11任一项所述的方法，其特征在于，

所述原始模型还包括第三子网络，所述第三子网络用于基于提取到的特征执行预设任务，其中，所述预设任务与所述目标任务相同或不同。

13.根据权利要求1至11任一项所述的方法，其特征在于，所述第一训练样本的数量大于所述第二训练样本的数量。

14.一种目标模型的获取装置，其特征在于，包括：

第一训练模块，用于利用第一训练样本预训练原始模型，以调整所述原始模型的网络参数；其中，所述原始模型包括用于特征提取的第一子网络；

模型获取模块，用于利用第二子网络和经预训练的所述第一子网络的至少部分结构，得到所述目标模型；其中，所述第二子网络用于基于所述第一子网络提取的特征执行目标任务；

第二训练模块，用于利用与所述目标任务对应的第二训练样本训练所述目标模型，以调整所述目标模型的网络参数。

15.一种电子设备，其特征在于，包括相互耦接的存储器和处理器，所述处理器用于执行所述存储器中存储的程序指令，以实现权利要求1至13任一项所述的目标模型的获取方法。

16.一种计算机可读存储介质，其上存储有程序指令，其特征在于，所述程序指令被处理器执行时实现权利要求1至13任一项所述的目标模型的获取方法。