Las redes satelitales de órbita terrestre baja (LEO) pueden lograr una cobertura global con baja latencia. Además, los servidores de computación en el borde móvil (MEC) se pueden montar en satélites LEO para proporcionar servicios de descarga de computación a los usuarios en áreas remotas. Un modelo de sistema multiusuario multitarea es modelado y el problema de las decisiones de descarga de los usuarios y la asignación de ancho de banda se formula como un problema de programación entera mixta para minimizar la función de utilidad del sistema expresada como la suma ponderada del consumo de energía del sistema y la demora. Sin embargo, no se puede resolver de manera efectiva mediante optimizaciones generales. Por lo tanto, se propone un algoritmo de descarga basado en aprendizaje profundo para redes de computación en el borde de satélites LEO para generar decisiones de descarga a través de múltiples redes neuronales profundas (DNN) paralelas y almacenar las decisiones de descarga óptimas recién generadas en la memoria para mejorar todas las DNN y obtener decisiones de descarga casi óptimas. Además, el esquema de asignación de ancho de banda óptimo del sistema se deriva teóricamente para el problema de asignación de ancho de banda del usuario. Los resultados de la simulación muestran que el algoritmo propuesto puede lograr un buen efecto de convergencia en un pequeño número de pasos de entrenamiento, y obtener los valores óptimos de la función de utilidad del sistema en comparación con los algoritmos comparativos bajo diferentes parámetros del sistema, y el costo de tiempo del sistema y DNNs es muy satisfactorio.