本发明提供一种基于深度学习的拉曼光谱去噪方法，解决现有技术中去噪的过程中容易丢失纯拉曼光谱信息，同时还依靠人为干预来设定输入参数。本发明提出一种基于深度学习的网络的拉曼光谱去噪方法，包括以下步骤：生成模型训练所需的拉曼光谱数据，分为训练集、验证集以及测试集；然后建立U‑Net拉曼光谱去噪模型，模型分为编码器网络、解码器网络两个模块，在编码器网络中使用一维卷积对拉曼光谱数据进行特征提取，在解码器网络中对提取的特征光谱进行重构并输出纯净光谱。本发明能够有效地对拉曼光谱进行噪音去除，较好的保留拉曼光谱信息，为进一步对拉曼光谱进行定性与定量提供精确可靠的信息。可广泛应用于光学领域技术领域。