Tensorflow: 如何在 Estimator API 中初始化嵌入层？

我正在尝试在 tensorflow 模型中使用现有的嵌入，嵌入的大小大于 2Gb，这使得我最初尝试这样做不成功：

embedding_var = tf.get_variable(
        "embeddings", 
        shape=GLOVE_MATRIX.shape, 
        initializer=tf.constant_initializer(np.array(GLOVE_MATRIX))
)

这给了我这个错误：

Cannot create a tensor proto whose content is larger than 2GB.

我正在使用基于 Estimator API 的 AWS SageMaker，并且会话中图形的实际运行发生在幕后，因此我不确定如何初始化一些占位符以进行嵌入。 如果有人能够分享如何在 EstimatorAPI 方面进行此类初始化的方式，将会很有帮助。

请前往 Stack Overflow 寻求帮助和支持：

https://stackoverflow.com/questions/tagged/tensorflow

如果您打开 GitHub 问题，这是我们的政策：

1. 它必须是错误或功能请求。
2. 必须填写以下表格。
3. 这不应该是TensorBoard的问题。 那些去这里。

这就是我们制定

系统信息

• 我是否编写了自定义代码（而不是使用 TensorFlow 中提供的股票示例脚本） ：
• 操作系统平台和发行版（例如，Linux Ubuntu 16.04） ：
• 从（源代码或二进制文件）安装的 TensorFlow ：
• TensorFlow 版本（使用下面的命令） ：
• 蟒蛇版本：
• Bazel 版本（如果从源代码编译） ：
• GCC /编译器版本（如果从源代码编译） ：
• CUDA / cuDNN版本：
• GPU 型号和内存：
• 重现的确切命令：

您可以使用我们的环境捕获脚本收集其中的一些信息：

https://github.com/tensorflow/tensorflow/tree/master/tools/tf_env_collect.sh

您可以使用以下命令获取 TensorFlow 版本

python -c“将tensorflow导入为tf；打印（tf.GIT_VERSION，tf.VERSION）”

描述问题

在这里清楚地描述问题。 请务必在此处说明为什么它是 TensorFlow 中的错误或功能请求。

源代码/日志

包括任何有助于诊断问题的日志或源代码。 如果包括回溯，请包括完整的回溯。 应附上大型日志和文件。 尝试提供一个可重现的测试用例，它是生成问题所需的最低限度。