我陷入了一个问题，其中我有分层数据，比如说$A->B->C$（从小到大），数据的最小单位是块（A由多个块组成，B由多个A组成，C由多个B组成），我想将块分类为标签。

现在，每组 A 的块标签独立于另一组 A 的块标签，但是数据后面的“趋势或模式”可能是相似的，这就是要学习的内容。

我面临的复杂性是可变输入大小。我不可能为 A 组训练单个神经网络，因为它的数量很大。所以，我在考虑 B 级的组，但是我如何创建一个可以处理这些可变输入大小的方案。

每个块由它所属的 A 组中标签总数的一维数组表示。此外，我有每个块（最小单元）可能的层次结构信息。任何帮助，将不胜感激。谢谢！