本发明涉及一种脉冲神经网络训练方法、存储介质、芯片及电子产品。为了克服现有技术中因器件失配所带来的算法与硬件难契合的问题，使训练的网络很好地适应不同的传感器的硬件特性，本发明对训练数据进行了各种基于事件和速率的增强，包括随机热噪声生成、散粒噪声模拟、自适应数据速率调整和随机固件坏死，基于增强后的数据进行训练，得到使所述脉冲神经网络预测性能达到最优的配置参数。本发明高效、统一解决了不同传感器或不同环境下与脉冲神经网络硬件连接时的应用适配问题，芯片性能表现更稳定、有效，推理结果更一致。本发明适用于类脑芯片领域，尤其是训练脉冲神经网络领域。