1.一种图片推荐模型的生成方法，其特征在于，包括：
获取训练集，所述训练集包括至少两个训练图片对以及与各训练图片对所对应的标注信息，所述标注信息为训练图片对中两张训练图片的原始推荐分数的对应关系；
将所述训练集输入至神经网络模型中，得到各训练图片的预测推荐分数；
根据各训练图片对的预测推荐分数和各训练图片对的标注信息确定所述训练集的损失函数；
根据所述训练集的损失函数调整所述神经网络模型的网络参数，直至所述训练集的损失函数的输出值小于等于第一预设阈值，则将所述神经网络模型作为所述图片推荐模型。
2.根据权利要求1所述的方法，其特征在于，所述根据各训练图片对的预测推荐分数和各训练图片对的标注信息确定所述训练集的损失函数，包括：
对于每个训练图片对，所述标注信息为所述训练图片对中第一训练图片的原始推荐分数大于第二训练图片的原始推荐分数的大小关系，则将第二预设阈值与第一训练图片的预测推荐分数的差，加上第二训练图片的预测推荐分数作为所述训练图片对的标准函数的输出值；
所述标注信息为所述训练图片对中第一训练图片的原始推荐分数小于第二训练图片的原始推荐分数的大小关系，则将第二预设阈值与第二训练图片的预测推荐分数的差，加上第一训练图片的预测推荐分数作为所述训练图片对的标准函数的输出值；
根据所述训练图片对的标准函数的输出值与第三预设阈值确定所述训练图片对的损失函数；
根据各训练图片对的损失函数确定所述训练集的损失函数。
3.根据权利要求2所述的方法，其特征在于，所述根据所述训练图片对的标准函数的输出值与第三预设阈值确定所述训练图片对的损失函数，包括：
所述训练图片对的标准函数的输出值小于等于所述第三预设阈值，则将所述训练图片对的第一损失函数作为所述训练图片对的损失函数，所述第一损失函数根据所述训练图片对的修正线性单元relu函数确定；
所述训练图片对的标准函数的输出值大于所述第三预设阈值，则将所述训练图片对的第二损失函数作为所述训练图片对的损失函数，所述第二损失函数根据所述训练图片对的relu函数和所述第三预设阈值确定。
4.根据权利要求3所述的方法，其特征在于，所述标注信息为所述训练图片对中第一训练图片的原始推荐分数大于第二训练图片的原始推荐分数的大小关系；
所述第一损失函数、所述第二损失函数和所述训练图片对的标准函数分别通过如下公式计算：
μi(f(xi+),f(xi-))＝θ-f(xi+)+f(xi-)
g1(f(xi+),f(xi-))＝a(max(0，μi(f(xi+),f(xi-))))2
g2(f(xi+),f(xi-))＝δ|max(0，μi(f(xi+),f(xi-)))|-bδ2
其中，i表示第i训练图片对，i∈{1,2，......，n}；f(xi+)表示第i训练图片对中第一训练图片的预测推荐分数对应的预测推荐函数，f(xi-)表示第i训练图片对中第二训练图片的预测推荐分数对应的预测推荐函数；li(f(xi+),f(xi-))表示第i训练图片对的损失函数；g1(f(xi+),f(xi-))表示第i训练图片对的第一损失函数，g2(f(xi+),f(xi-))表示第i训练图片对的第二损失函数；μi(f(xi+),f(xi-))表示第i训练图片对的标准函数；max(0，μi(f(xi+),f(xi-)))表示第i训练图片对的relu函数；εi表示第i训练图片对的标准函数的输出值；θ表示第二预设阈值；δ表示第三预设阈值；a表示第一比例系数；b表示第二比例系数。
5.根据权利要求2所述的方法，其特征在于，所述第二预设阈值为1。
6.根据权利要求2所述的方法，其特征在于，所述第三预设阈值为1.5。
7.一种图片推荐方法，其特征在于，包括：
获取待推荐图片集，所述待推荐图片集包括至少两张待推荐图片；
将所述待推荐图片集输入至预先训练的图片推荐模型中，得到各待推荐图片的预测推荐分数，所述图片推荐模型为权利要求1-6任一所述的图片推荐模型；
根据各待推荐图片的预测推荐分数确定推荐图片。
8.一种图片推荐模型的生成装置，其特征在于，包括：
训练集获取模块，用于获取训练集，所述训练集包括至少两个训练图片对以及与各训练图片对所对应的标注信息，所述标注信息为训练图片对中两张训练图片的原始推荐分数的对应关系；
第一预测推荐分数生成模块，用于将所述训练集输入至神经网络模型中，得到各训练图片的预测推荐分数；
损失函数确定模块，用于根据各训练图片对的预测推荐分数和各训练图片对的标注信息确定所述训练集的损失函数；
图片推荐模型生成模块，用于根据所述训练集的损失函数调整所述神经网络模型的网络参数，直至所述训练集的损失函数的输出值小于等于第一预设阈值，则将所述神经网络模型作为所述图片推荐模型。
9.一种图片推荐装置，其特征在于，包括：
待推荐图片集获取模块，用于获取待推荐图片集，所述待推荐图片集包括至少两张待推荐图片；
第二预测推荐分数生成模块，用于将所述待推荐图片集输入至预先训练的图片推荐模型中，得到各待推荐图片的预测推荐分数，所述图片推荐模型权利要求1-6任一所述的图片推荐模型；
推荐图片确定模块，用于根据各待推荐图片的预测推荐分数确定推荐图片。
10.一种设备，其特征在于，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7任一所述的方法。
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一所述的方法。