本发明涉及忆阻贝叶斯神经网络技术领域，特别涉及一种忆阻贝叶斯神经网络的关键权重在线更新方法及装置，其中，方法包括：利用预设数据集对忆阻贝叶斯神经网络进行训练，以优化权重的后验分布，得到最优权重后验分布；根据最优权重后验分布计算损失函数对均值的梯度和标准差的梯度；根据均值的梯度和标准差的梯度计算权重信噪比变化值；选择训练后的忆阻贝叶斯神经网络的当前关键权重，利用权重信噪比变化值更新当前关键权重，得到新的关键权重，以作为当前关键权重，迭代执行训练过程，直至训练后的忆阻贝叶斯神经网络达到预设收敛条件。由此，解决了现有训练过程中需要进行大量读取和编程操作，难以实现高速且高效的在线训练等问题。