La fiabilidad del software es una característica esencial para garantizar las cualidades de los productos de software. La predicción del número potencial de errores desde el inicio de un proyecto de desarrollo permite a los profesionales tomar decisiones apropiadas con respecto a las actividades de prueba. En las fases iniciales de desarrollo, la aplicación de modelos tradicionales de crecimiento de fiabilidad de software (SRGM) con datos pasados limitados no siempre proporciona un resultado de predicción fiable para la toma de decisiones. Para superar esto, proponemos un nuevo método de modelado de fiabilidad de software llamado modelo de crecimiento de fiabilidad de software de proyecto cruzado profundo (DC-SRGM). DC-SRGM es un método de predicción de proyecto cruzado que utiliza características de datos de proyectos anteriores a través de la similitud de proyectos. Específicamente, el método propuesto aplica una selección de proyectos basada en clústeres para la fuente de datos de entrenamiento y modelado mediante un método de aprendizaje profundo. Experimentos con 15 conjuntos de datos reales de una empresa y 11 conjuntos de datos de software de código abierto muestran que DC-SRGM puede describir con mayor precisión la fiabilidad de los proyectos de desarrollo en curso que los SRGM tradicionales existentes y el modelo LSTM.