本发明公开了一种卷积神经网络的神经节点的影响因子分析方法及装置，本发明所提供的基于PageRank的卷积神经网络可视化算法，提供了大多数卷积神经网络训练过程中都需要的通用模块，如：调整参数、选择重要节点、降低计算量、归一化处理、重要影响因子分析、输入输出结果的流向等功能，并可以与任何标准化的卷积神经网络和多种评价节点重要关联程度的指标的集成，以高效率，高精度的关联分析和最大限度的利用已有数据。解决传统卷积神经网络调整参数时的盲目和结果的不可解释性，依靠全局遍历所有参数组合和算法调参经验进行模型调优的可解释性不高，效率慢，费时等问题，更大地提高了卷积神经网络的可解释性和模型的准确性。