本发明公开了一种基于深度学习的大规模MIMO下行用户调度方法，包括：获取组用户，每组包含个用户的统计信道信息，计算各用户的波束成形指数以及信道增益；采用最大近似和速率方法对每组用户进行用户调度，产生个训练数据；构建并离线训练预测系统用户调度方案的卷积神经网络模型，使得模型预测的各用户调度概率向量接近标签，以获得模型的参数；利用待调度的系统中所有用户的统计信道信息，计算各用户的波束成形指数以及信道增益，生成模型的归一化输入矩阵；由已训练的模型在线预测各用户被调度的概率，将概率值最大的相应个用户确定为系统将要服务的用户，获得调度结果。