即将迎来的数字化时代使深度学习及嵌入式人工智能技术变得越来越重要。以深度学习为代表的人工智能系统在推理环节要完成上亿次的计算，在嵌入式平台进行推理时，将带来算力、能耗、存储空间等多方面的限制。本书将围绕着深度学习模型在嵌入式平台上部署出发，从软硬件两个方面介绍深度学习模型如何在资源受限的硬件平台上的完成部署。本书共分为7章，第1章介绍了边缘计算，第2章介绍了嵌入式AI系统的基本概念，及其面临的需求与挑战，第3章介绍了嵌入式AI系统的硬件解决方案，第4-6章介绍了嵌入式AI系统的软件解决方案，包括DNN模型的构建及实现，轻量级DNN模型的构建，模型轻量化方法及实现，第7章介绍了AI模型的硬件部署。本书提供了大量代码解析，均是基于Python语言及Torch API的,硬件部署主要是面向Intel系列和Nvidia系列的芯片。本书适合作为高等院校计算机、软件工程专业高年级本科生、研究生的教材，同时可供对深度学习、计算机视觉、嵌入式AI系统等感兴趣的开发人员、广大科技工作者和研究人员参考。