Python 我应该如何处理300类分类机器学习问题？

我正在尝试制作一个多类分类应用程序，但我的数据集有300个类，是否可以用普通PC使用所有这些类来训练我的模型？

很难回答这个问题。模型的训练时间取决于许多因素。最好对模型进行一定时间的训练，并评估性能。您可以利用拟合学习曲线，该曲线可以提供培训需要多少数据点才能达到特定绩效的估计。之后，您可以将所需数量的数据点链接到计算时间

---

这里有一篇文章提供了一种拟合学习曲线的算法：。

当然可以。如果您有足够的时间，您甚至可以使用1000个或更多类别来培训imagenet！；）

你只需要考虑你想要哪个损失函数（分类交叉熵，稀疏分类交叉熵，或者如果你想单独惩罚每个输出节点的话，甚至是二进制的），除此之外，10、100或1000个类之间并没有太大的区别

当然，您必须增加您的模型大小以容纳更多的类，所以RAM可能是一个问题，但是您始终可以减少批处理大小。如果您使用的是图像和convnet，而您的模型仍然太大，请尝试对图像进行下采样，使用池层或更大的步长

---

如果你的电脑太旧太慢，你也可以试试谷歌Colab，它提供免费的GPU，甚至在线TPU

您需要多少样本和变量？这个问题太笼统了！