我不确定下面的代码是否能执行，因为它在“计算预测”这一步已经卡了很长时间。如果它不能工作，我应该做些什么改变呢？

import structimport matplotlib.pyplot as pltimport numpy as npimport osfrom scipy.special import expitfrom sklearn.neighbors import KNeighborsClassifierfrom sklearn.metrics import accuracy_scoreclf = KNeighborsClassifier()def load_data():    with open('train-labels-idx1-ubyte', 'rb') as labels:        magic, n = struct.unpack('>II', labels.read(8))        train_labels = np.fromfile(labels, dtype=np.uint8)    with open('train-images-idx3-ubyte', 'rb') as imgs:        magic, num, nrows, ncols = struct.unpack('>IIII', imgs.read(16))        train_images = np.fromfile(imgs, dtype=np.uint8).reshape(num, 784)    with open('t10k-labels-idx1-ubyte', 'rb') as labels:        magic, n = struct.unpack('>II', labels.read(8))        test_labels = np.fromfile(labels, dtype=np.uint8)    with open('t10k-images-idx3-ubyte', 'rb') as imgs:        magic, num, nrows, ncols = struct.unpack('>IIII', imgs.read(16))        test_images = np.fromfile(imgs, dtype=np.uint8).reshape(num, 784)    return train_images, train_labels, test_images, test_labelsdef knn(train_x, train_y, test_x, test_y):    clf.fit(train_x, train_y)    print("Compute predictions")    predicted = clf.predict(test_x)    print("Accuracy: ", accuracy_score(test_y, predicted))train_x, train_y, test_x, test_y = load_data()knn(train_x, train_y, test_x, test_y)

回答：

它在“计算预测”这一步已经卡了很长时间

我建议你先使用一小部分数据来测试代码是否正常运行，然后再用整个数据集运行。这样你可以确保代码逻辑是正确的。

一旦你测试完代码，就可以安全地使用整个数据集进行训练了。

这样做，你可以轻松判断代码运行缓慢是因为代码本身的问题，还是因为数据量太大（可能代码没有问题，但你可能会发现，对于比如10个样本，运行时间超过了你愿意等待的时间，这样你可以相应地调整——否则你处理的是一个太过神秘的黑盒子）。

话虽如此，如果代码本身没有问题但运行时间过长，我同样建议，像Soumya所说，尝试在Colab上运行。你在那里有不错的硬件，可以使用长达12小时的会话，并且你的电脑可以在此期间自由地测试其他代码！