我正在尝试使用TF中的参数服务器，用稀疏特征向量中的样本训练LR模型。特征ID索引高达50亿，样本的密集大小约为5000。
使用tf.feature_column.categorical_column_with_identity的num_buckets为50亿，首席工作人员可以轻松地消耗大约100GB的内存，并且在尝试在训练开始之前尝试保存checkpoint-0时被系统杀死。我还尝试了tf.feature_column.categorical_column_with_hash_bucket，hash_buckets_size为5B，但是没有运气。
由于我只有一个功能插槽，并且每个功能ID都对应一个特定功能，所以我不想执行任何嵌入操作来减小功能尺寸。
有什么办法可以减少首席工作人员的内存消耗？
我的模型中的其他信息：
数据存储在TFRecord中；
样本数量约为5500万；
优化器是FTRL；
batch_size可以是64/128/256/512;