智能化是汽车的三大变革技术之一。深度学习（DeepLearning,DL）具有拟合能力优、表征能力强和适用范围广的特点，是进一步提升汽车智能性的重要途径。本文总结了用于自动驾驶汽车的深度学习技术，包括发展历史、主流算法以及感知、决策与控制技术应用。首先回顾深度学习的历史及现状，总结神经网络的“神经元-层-网络”三级结构，重点介绍卷积网络和循环网络的特点以及代表性模型。其次阐述以反向传播为核心的深度网络训练算法，列举用于深度学习的常用数据集与开源框架，概括网络计算平台和模型优化设计技术。最后讨论深度学习在自动驾驶汽车的环境感知、自主决策和运动控制三大方向的应用现状及其优缺点，具体包括物体检测和语义分割、分解式和端到端决策、汽车纵横向运动控制等，针对用于自动驾驶汽车的深度学习技术，指明了不同问题的适用方法以及关键问题的未来发展方向。