本申请实施例公开了一种用于电池电量检测的神经网络的训练方法及相关装置，用于提高神经网络的训练精度。本申请实施例方法包括：获取初始神经网络和训练样本集合；通过粒子群算法生成N个粒子，并根据所述N个粒子的位置参数生成N维初始矩阵参数；根据粒子群算法生成N个粒子的惯性权值；将训练样本集合输入初始神经网络进行迭代训练；生成迭代训练的性能参数集合；根据性能参数集合计算并保存当前损失值到损失值集合；根据损失值集合判断初始神经网络是否收敛；若是，则根据N维初始矩阵参数生成电池电量关系式；若否，则更新N个粒子的位置信息和N维初始矩阵参数，并根据更新后的N维初始矩阵参数更新惯性权值，重新训练初始神经网络。