Python 对于序列型模型，如何处理非常多的目标语音？

我目前正在处理一个语言模型，即顺序模型，我要预测的目标词汇量非常高

x = Dense(80000000, activation='softmax')

我无法计算所有词汇表中的softmax，因此我使用了

tf.nn.sampled\u softmax

来训练模型，但对于验证评估，我们仍然必须计算softmax，不是吗？但我不能这样做，它抛出的错误，它不适合在gpu内存时，试图在tensorflow它

---

我使用的批量大小为32。在这种情况下，我有什么选择？你如何处理这个问题？请按顺序帮助我

最好使用字符作为目标，例如，每个具有最大问题的字符都将被输入到模型中，以生成具有最大问题的预测下一个字符等等，但我不能将字符用作目标，它实际上是一个连续实体|问题的分类类型，我必须使用单词。您的数据具有

8000000

唯一类别标签，我想你可能弄错了，你的数据集是什么？不，我是肯定的，我有那么多目标词汇要预测。这是一个非常庞大的私人数据集。当你说

vocal

时，你的意思是单词，对吗？如果是，则是字符级模型的情况