我正在研究标签尺寸随时间增加的情况。例如，在t时间，输出为10个1向量。稍后，在时间t+5，输出变为15个1向量。
在这种情况下，对于相同的输入，时间10的输出的第一个t条目与时间t+5的输出相同。但其余的5则不同。输出向量的维数增加的原因是每当我们给出新的训练样本时，所有先前训练样本的标签的维度增加1。因此神经网络的预期输出相应地改变。
简单的解决方案是重新训练整个模型，使其能够处理所需的输出维度。我知道这可能听起来很奇怪，但我想知道是否有任何智能设计来构建动态网络，以便通过逐步更改标签来逐步培训网络。