我正在处理一些字符串，例如“一百二十三”或“九百九十九”，并使用Keras文本预处理标记器将其编码为长度为4的词标记序列，作为我的输入，包含4个节点。我的输出是多个整数类别，例如0到1000，共有1001个输出节点，使用TensorFlow作为后端。

我使用了一个嵌入输入层，然后是一个扁平层，最后是一个使用softmax激活函数的密集输出层来对输入序列进行分类，得到一个数字。

这种方法对于0到1000等数字效果很好，但当扩展到10万个数字，如“八万七千四百二十三”这样的字符串时，由于有10万个输出神经元，训练时间变得非常长，这成为了一个问题。

有没有更好的方法来构建神经网络，以处理可能达到的数百万数字，同时不牺牲效率？

回答：

或许你可以将其表述为使用RNN的序列预测问题，或者使用N位数字输出节点的回归问题。