深神经网络(DNN)和决策树(DTS)都是最先进的分类器。DNN由于其表示性学习能力而表现良好,而DTS在计算上是有效的,因为它们沿着一条途径(根到叶子)进行推理,该推理取决于输入数据。在本文中,我们介绍了二元树结构化神经网络的决策者(DN)。我们提出了一种系统的方法,将现有DNN转换为DN,以创建原始模型的轻量级版本。Decisionet竭尽全力 - 它使用神经模块来执行代表性学习,并利用其树结构仅执行一部分计算。我们评估了各种DN体系结构,以及他们在FashionMnist,CIFAR10和CIFAR100数据集上的相应基线模型。我们表明,DN变体具有相似的精度,同时显着降低了原始网络的计算成本。
translated by 谷歌翻译