本发明提供一种基于粒子群算法的深度卷积神经网络架构搜索方法，包括以下：构建基于结构块的卷积神经网络架构；构建形状为(2,8,2)的三维数组，将所述卷积神经网络架构编码为粒子；根据粒子在图像验证集上的分类精度计算粒子的适应值，得到粒子个体历史最优解pBest和粒子种群历史最优解gBest；根据粒子个体历史最优解pBest和粒子种群历史最优解gBest，更新粒子群，达到迭代次数后得到最优的卷积神经网络架构。本发明提供的有益效果是：提出了一种新颖的直接编码策略，将网络架构编码为粒子，利用粒子群算法自动搜索最佳网络架构，实现深度卷积神经网络架构的自动设计。