Tensorflow: Как инициализировать уровень вложений в API-интерфейсе Estimator?

Я пытаюсь использовать существующие вложения в модели тензорного потока, размер вложения превышает 2 ГБ, и это делает мою первоначальную попытку сделать это безуспешным:

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

Что дало мне эту ошибку:

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

Я использую AWS SageMaker, основанный на API-интерфейсе Estimator, и фактическое выполнение графика в сеансе происходит за сценой, поэтому я не уверен, как инициализировать некоторые заполнители для встраивания с учетом этого. Было бы полезно, если бы кто-то мог поделиться способом, как выполнить такую ​​инициализацию в терминах EstimatorAPI.

Пожалуйста, перейдите на страницу Stack Overflow для получения помощи и поддержки:

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

Если вы откроете проблему с GitHub, вот наша политика:

1. Это должна быть ошибка или запрос функции.
2. Форма ниже должна быть заполнена.
3. Это не должно быть проблемой TensorBoard. Те идут сюда .

Вот почему у нас есть такая

Системная информация

• Написал ли я собственный код (в отличие от стандартного сценария, представленного в TensorFlow) :
• Платформа и распространение ОС (например, Linux Ubuntu 16.04) :
• TensorFlow установлен из (исходного или двоичного) :
• Версия TensorFlow (используйте команду ниже) :
• Версия Python :
• Версия Bazel (при компиляции из исходников) :
• Версия GCC / компилятора (при компиляции из исходников) :
• Версия CUDA / cuDNN :
• Модель графического процессора и память :
• Точная команда для воспроизведения :

Вы можете собрать часть этой информации с помощью нашего сценария захвата среды:

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

Вы можете получить версию TensorFlow с

python -c "импортировать тензорный поток как tf; print (tf.GIT_VERSION, tf.VERSION)"

Опишите проблему

Здесь четко опишите проблему. Не забудьте указать здесь, почему это ошибка в TensorFlow или запрос функции.

Исходный код / ​​логи

Включите все журналы или исходный код, которые помогут диагностировать проблему. Если вы включаете обратную трассировку, пожалуйста, включите полную трассировку. Прикрепить большие журналы и файлы. Постарайтесь предоставить воспроизводимый тестовый пример, который является минимумом, необходимым для возникновения проблемы.