Recientemente, las comunicaciones de dispositivo a dispositivo (D2D) han estado atrayendo una atención sustancial porque pueden mejorar considerablemente la cobertura, la eficiencia espectral y la eficiencia energética, en comparación con las comunicaciones celulares convencionales. También son indispensables para la red de almacenamiento en caché móvil, que es una tecnología emergente para las redes móviles de próxima generación. Investiga una red D2D de superposición celular donde se asigna un recurso de radio dedicado para las comunicaciones D2D para eliminar la interferencia cruzada con las comunicaciones celulares y todos los dispositivos D2D comparten el recurso de radio dedicado para mejorar la eficiencia espectral. Específicamente, estudiamos un problema de gestión de recursos de radio para redes D2D, que es uno de los problemas más desafiantes en las redes D2D, y también proponemos un nuevo algoritmo de transmisión para redes D2D basado en aprendizaje profundo con una red neuronal convolucional (CNN). Una CNN se formula para producir un vector binario que indica si permitir a cada par D2D transmitir datos. Para entrenar la CNN y verificar la CNN entrenada, obtenemos muestras de datos de un algoritmo subóptimo. Nuestros resultados numéricos muestran que las precisiones del algoritmo de transmisión basado en aprendizaje profundo propuesto alcanzan aproximadamente un 85% - 95% a pesar de su estructura simple debido a la limitación de la potencia de cálculo.