本发明提供一种深度学习推理自动量化方法，包括以下步骤：从数据集的每个类别中各随机挑选一张图片，由量化工具量化后的权值对所述图片进行fp32推理并将推理所得激活值进行暂存；动态迭代以使得各层的各通道中激活值中每一个元素的绝对值为所有图片推理所得所述激活值中相应位置元素的最大值，并将所述迭代后的各通道激活值保存为激活值文件；对所述激活值文件中的激活值进行2的次幂膨胀量化，并统计每一层的量化指数直方图；根据所述每一层的量化指数直方图计算得到所述层量化指数的均值，并将所述均值设置为量化指数的上限。本发明的量化方法不指定量化阈值，不需要进行遍历寻找最佳阈值，能够加快运算速度，提高运算效率，节省运算开销。