Neural network 有成百上千个类的多重分类？

我有一个问题，需要100-1000个类，我想知道如何处理它。 传统分类和回归都不是一个好的解决方案

 Here is the scenario in more details :
 - P number of possible classes (100-1000-X000)
 - I number of inputs (every input accept a class)
 - O number of outputs (every output accept a class)

F.e.p=5=>a，b，c，d，e的数据流可能是什么样子；I=3；O=3

inputs => outputs
 a,c,d      b,a,a
 d,b,c      c,e,a
 a,a,d      e,d,b
 .....      .....

在我的例子中，p=数百，I=10，O=10。 每个I | O都可以接受任何P类

由于额外的复杂性，输入和输出是二维的，但现在忽略这一点

您将如何处理这种情况

---

NN必须具有什么拓扑结构？什么样的失去乐趣？什么样的输出激活。。。。etc

ImageNet数据集有1000个类，有许多神经网络在上面训练，所以先看一看。ImageNet数据集有1000个类，有许多神经网络在上面训练，所以先看一看。