本发明涉及一种基于SDN模态的网内神经网络部署方法，通过将深度神经网络模型的输入特征与输出结果映射为网络设备的流表项，并通过表项匹配的方式实现深度神经网络推理，进而实现流量分类、异常检测等网络功能。本发明通过将深度神经网络模型压缩并转化为适用于可编程网络设备中的表项匹配任务，实现了高效的网络数据平面推理。本发明优化了存储与计算资源的利用，显著减少了网络设备的计算复杂度，提高了吞吐量和实时性。通过创新的表项压缩与适应性匹配机制，本发明支持流量分类、异常检测等高精度应用，显著提升了网络智能化管理与优化能力。本发明能够实现深度神经网络在网内设备中的高效部署，为智能网络技术的发展提供了有效的解决方案。