使用R的neuralnet包训练神经网络耗时过久问题求助

我在R（R Studio）中使用neuralnet包构建了一个含两个隐藏层的神经网络模型，用于多分类任务。该模型以1260行、11列连续数据为特征，预测第12列（labels）的6类标签。数据已完成标准化处理，标签通过revalue()函数转换为数值型，训练集与测试集已划分完成。

模型代码 #

model = neuralnet(
    labels~A+B+C+D+E+F+G+H+I+J+K,        
    data=train_data,
    hidden=c(4,2),                
    linear.output = FALSE,       
    stepmax = 1e+06             
)

遇到的问题 #

模型已连续训练3天仍未完成，仅显示处理中的闪烁光标，无报错或崩溃。我的机器配置为Ubuntu 20.04.1 LTS 64位、48GiB内存、AMD Ryzen 5 2600六核处理器（12线程）。查阅大量资料仍未找到答案，希望明确以下几点：

• 此情况是否正常？
• 预计训练时长是多少？
• 是否因GPU或模型复杂度导致？
• 如何解决该问题？

预处理代码 #

# 重新赋值标签
data <- 
data %>%
mutate(labels = revalue(labels, c("label1" = 1, "label2" = 2, 
"label3" = 3, "label4" = 4, "label5" = 5, "label6" = 6)))

# 标准化数值列
varnames<- c("labels")
index<- names(data) %in% varnames
data1<- scale(data[, !index])  
data = merge(data["labels"] ,data1)

# 划分训练集和测试集
train_idx <- sample(nrow(data), 0.7 * nrow(data))
train_data <- data[train_idx,]
test_data <- data[-train_idx,] 
data <- data %>% mutate_if(is.character, as.factor)

# 运行上方模型

内容的提问来源于stack exchange，提问作者Maryam Nasseri