本发明公开一种搜索式困难样板深度学习方法，首先标记样板池并根据样板池设置全随机散点采样模型，并通过全随机散点采样模型从样板池中获取一级采样域；根据深度学习的需求，选择主要样本参数并以此设置样本初选筛，由样本初选筛对一级采样域进行第一次甄别，进而获取正向样本库，并以正向样本库为基础设置样本网络；设置一个包含爬虫式检索功能和样本收录及学习功能的搜索式深度学习智能体，该搜索式深度学习智能体中爬虫式检索功能内置有样本特征库并在爬虫检索的过程中将样本特征库内的特征与样本网络中各正向样本逐一比较并获取匹配样本特征库的目标样本并对目标样本进行深度学习，本发明的优点在于可以实现困难样本的搜索式分级选取。