在实际应用中，神经网络往往需要同时满足延迟、能耗、内存等多种资源约束。目前一种常用的寻找适配网络的方法是基于约束型神经架构搜索（Constrained Neural Architecture Search, NAS），但以往的方法仅对约束条件进行软性施加，导致所生成的网络无法严格满足资源限制，进而影响模型的精度。为此，本文提出了一种全新的硬性约束可微分神经架构搜索方法——Hard Constrained diffeRentiable NAS（HardCoRe-NAS）。该方法基于对预期资源需求的精确建模，并采用一种可扩展的搜索机制，在整个搜索过程中严格满足硬性约束。实验结果表明，HardCoRe-NAS能够生成当前最先进的网络架构，在不进行任何调参的情况下，显著优于其他NAS方法，同时严格满足各项资源约束。