L'Intelligenza Artificiale è avanzata al punto di poter trasformare la maggior parte dei settori negli anni a venire e tra i diversi approcci, certamente il Deep Learning rappresenta uno dei più promettenti. Infatti, esso ha già dimostrato la sua efficacia in numerose applicazioni come la classificazione delle immagini e il riconoscimento vocale. Tuttavia, l'implementazione di queste applicazioni su sistemi embedded richiede la soddisfazione di un importante trade-off: ottenere un'elevata precisione nonostante le limitate risorse energetiche e computazionali. L'approccio tradizionale per assolvere tale compito prevede due distinte fasi che consistono, nello sperimentare diverse configurazioni di rete fino ad ottenere un modello che incontri gli obiettivi di qualità prefissati, e nel cercare di ottimizzarlo rispetto alla specifica architettura target.