本申请涉及人工智能领域中的小样本学习技术，公开了一种用于图神经网络的训练方法以及相关设备。方法包括：将包括测试图像和N类训练图像的训练图像集合输入图神经网络，以获取第一相似度信息和测试图像的生成分类类别，第一相似度信息指示测试图像的特征与N类中每类训练图像的特征之间的相似度；根据第一损失函数和第二损失函数对图神经网络进行训练；第一损失函数的目标为提高测试图像的特征与正确分类类别的训练图像的特征之间的相似度，第二损失函数的目标为拉近生成分类类别和正确分类类别的相似度，增设第一损失函数的约束，更加充分利用训练阶段的样本中的信息，提高图神经网络的特征表达能力，以提高图神经网络输出结果的精度。