一种全连接神经网络训练方法，解决了现有针对图像分类的神经网络模型训练时的可解释性差导致性能难以提升的问题，涉及人工智能技术领域。本发明包括：S1、利用分类图像数据集训练全连接神经网络的学习器；S2、利用学习器提取分类图像数据集的分割超平面，将分类图像数据集分割出若干子空间，每个子空间内的图像数据组成当前分割层的一个子数据集，根据子空间与超平面的相对位置进行编码；S3、判断当前分割层的所有子数据集的分类结果是否满足总体指标，若是，记录对应编码及存储学习器，转入S5；若否，选出不满足设定指标的子数据集，重新分配学习器进行训练，转入S2；S5、按分割层存储学习器及对应位置编码，训练完成。