In dieser Arbeit schlagen wir ein neues Netzwerkdesignmechanismus für effizientes eingebettetes Rechnen vor. Inspiriert durch die begrenzten Rechenmuster, schlagen wir vor, die Anzahl der Kanäle in einer Gruppenfaltung zu fixieren, anstatt wie bisher üblich die Gesamtanzahl der Gruppen. Unser auf dieser Lösung basierendes Netzwerk, das als Variable Gruppenfaltungsnetzwerk (VarGNet) bezeichnet wird, kann auf Hardwareseite leichter optimiert werden, da die Rechenschemata zwischen den Schichten einheitlicher sind. Umfangreiche Experimente zu verschiedenen visuellen Aufgaben, einschließlich Klassifizierung, Detektion, Pixelweise Segmentierung und Gesichtserkennung, haben den praktischen Wert unseres VarGNet demonstriert.