本发明公开了一种深度学习模型的调优管理方法，包括：响应于需要预测的数据集中图片数量大于设置的数量阈值，将数据集平均分成若干子数据集，并通过深度学习模型对每个子数据集进行预测，以得到第一预测数据；通过人工预测判断得到每个子数据集的判断数据；对每个子数据集的第一预测数据和判断数据执行卡尔曼滤波以得到每个子数据集的第二预测数据；根据第一预测数据与第二预测数据得到深度学习模型的错误率；响应于错误率超过错误率阈值，触发深度学习模型重新训练。本发明还公开了一种装置、设备和介质。本发明原理易懂，容易操作与实现，精度也会有所保证，优化了模型自动重新训练调优的功能。