我想训练BERT模型来执行多类文本分类。我使用变压器，并按照本教程（https://towardsdatascience.com/multi-class-text-classification-with-deep-learning-using-bert-b59ca2f5c613）在Google Colab上进行了培训。
问题是我有很多类（大约600个），我觉得这会影响到令人失望的性能。
我看了一下Stackoverflow，发现这个线程（Intent classification with large number of intent classes）回答了我的问题，但我不知道如何实现它。
相似问题的答案是：“如果您可以将意图分类为一些粗粒度类，则可以训练一个分类器来指定实例属于这些粗粒度类中的哪一个。然后，对于每个粗粒度类，粒度类训练另一个分类器来指定细粒度的分类器。这种分层结构可能会改善结果。同样对于分类器的类型，我相信在BERT之上的简单的完全连接层就足够了。“
我是否必须分别训练我的模型并使用“如果”条件建立工作流程，或者是否可以同时训练所有BERT模型并拥有一个统一模型？
预先感谢