目前，神经网络架构设计主要受到计算复杂度这一\emph{间接}指标（即FLOPs）的指导。然而，\emph{直接}指标（如速度）还取决于其他因素，例如内存访问成本和平台特性。因此，本研究提出在目标平台上评估直接指标，而不仅仅是考虑FLOPs。基于一系列控制实验，本研究得出了几个实用的\emph{指南}，用于高效网络设计。据此，本文介绍了一种新的架构，称为\emph{ShuffleNet V2}。全面的消融实验验证了我们的模型在速度与精度权衡方面处于最先进水平。