رشد سریع برنامه‌های مبتنی بر یادگیری عمیق، مانند پردازش تصویر و گفتار، تجزیه و تحلیل داده ها، مراقبت از سلامت، رباتیک و اینترنت اشیا موجب ایجاد توجه روزافزون به موضوع شبکه‌های عصبی شده است.

با وجود ارایه دقت بالا در این کاربردها، پهنای باند مصرفی زیاد حافظه و بار پردازشی سنگین شبکه‌های عصبی چالشی جدی برای زیرساخت سخت افزاری سیستم‌های کامپیوتری به حساب می‌آید. طراحی سخت افزارهای مناسب برای مواجهه با این چالش، به ویژه برای دستگاههای قابل حمل و سیستم‌های نهفته با منابع محاسباتی، ذخیره‌سازی و انرژی محدود امر حیاتی است.

برای پاسخ به این نیاز، بسیاری از شرکت‌های بزرگ طراحی و ساخت تراشه و سیستم‌های کامپیوتری اقدام به ساخت تراشه‌های خاص شبکه‌های عصبی کرده‌اند و یا هسته‌های پردازشی بر مبنای شبکه‌های عصبی را در محصولات خود مجتمع ساخته‌اند. در سمت دانشگاه نیز گروه‌های معماری کامپیوتری بسیاری در حال کار بر روی زمینه پیاده‌سازی سخت‌افزاری شبکه‌های عصبی هستند که این جریان در تعداد روز افزون مقالات در این زمینه در کنفرانس‌ها و ژورنال‌های معتبر رشته کامپیوتر منعکس می-گردد.

کتاب معماری‌های سخت‌افزاری برای یادگیری عمیق «Hardware Architectures for Deep Learning» مروری بر این زمینه جدید است که در قالب ۱۱ فصل به معرفی آخرین پیشرفت‌ها در طراحی و ساخت معماری‌های سخت افزاری برای پیاده‌سازی سریع و کارای مدل‌های یادگیری عمیق می‌پردازد.

ویرایش این کتاب توسط دکتر مهدی مدرسی عضو هیئت علمی دانشکده مهندسی برق و کامپیوتر دانشگاه تهران و همکارانشان انجام شده و در سال ۲۰۲۰ توسط انتشارات IET به چاپ رسیده است.