1.一种基于深度学习的可变维度资源分配方法的具体步骤如下：S1：收集数据，构建多个基于蜂窝网的D2D链路数不同的通信模型，使用传统算法对D2D链路进行功率分配，并导出信道状态矩阵和功率分配矩阵数据以作预训练集；

S2：对收集到的多个D2D链路通信下的功率分配数据进行维度预处理，通过低维数据补零的方式增加低维数据的维度，最终所有数据的维度都与最大维度相同；

S3：使用混合了多对D2D链路通信场景下的功率分配数据训练一个包含全连接层的高输入维度的神经网络，学习初始维度不同的输入数据和输出数据之间的非线性关系；

S4：通过补零的方法使输入数据的维度与DNN模型输入数据维度一致，然后使用训练好的神经网络模型对最高维度以下所有维度的输入进行功率分配，即一个DNN模型对多个D2D链路数不同的场景下进行功率分配。

2.根据权利要求1所述的基于深度学习的可变维度资源分配方法，其特征在于：构建多种D2D链路通信场景，D2D链路数不同其信道状态矩阵和对应的功率分配矩阵的维度也不同，收集不同维度的数据作为预训练集。