我正在使用以下教程在 Google Colab 平台上构建神经语言模型：https ://machinelearningmastery.com/how-to-develop-a-word-level-neural-language-model-in-keras/ 。
我的数据集包含 2036456 个序列和 77069 个单词的词汇表，比教程中使用的要大得多，但我仍然可以在本地计算机上训练模型。但是，当我尝试使用 GPU 在 Google Colab 上使用完整数据集进行训练时，出现以下错误：
tcmalloc: large alloc 627790512128 bytes == 0x4789c000 @ 0x7fc0aaaf8001 0x7fc0a861c765 0x7fc0a8680bb0 ...
我已经设法弄清楚在代码中的哪个位置引发了这个错误，看起来罪魁祸首是以下行，其中 keras.to_categorical() 函数被调用以对输出单词进行一次性编码：
y = to_categorical(y, num_classes=vocab_size)
这告诉我，当对（相当大的）词汇表进行一次热编码时会出现问题，但我不明白为什么这在我的本地机器上不是问题。
在其他线程中，我读到这可能是内存问题，而且 Google GPU 确实似乎内存不足（我分配了大约 12 GB 的 RAM）。同样，这在我的本地计算机上不是问题，这是一台具有 16 GB RAM 的简单 MacBook Pro，我可以使用它加载数据并训练模型（尽管速度非常慢）。在训练期间，加载完整数据集后，该过程占用大约 13 GB 的 RAM，这与云 GPU 服务器上 10% 的相同数据集所需的内存量没有太大差异。
我究竟做错了什么？我的本地机器怎么可能处理数据而 Google Colab 却不能呢？或者，问题是否与数据完全无关？
谢谢。