Python sklearn'中的内存错误；s管道

我在我的代码中创建了这样一个管道

from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.linear_model import SGDClassifier
from sklearn.pipeline import Pipeline

pipe = Pipeline(steps = [
        ('tfidf',TfidfVectorizer(max_df=0.5, min_df=10)),
        ('clf', SGDClassifier(loss='log', n_jobs=-1)),
])

当我开始在我的数据（大约140万个句子）上安装这个管道时，我看到RAM使用量快速而巨大地增加

在这之后，我的内核就死了。我想，这是因为应用TfidfVectorizer后的稀疏矩阵已转换为稠密矩阵。但是SGDClassizer可以处理稀疏矩阵，不是吗

为什么会发生这种情况，在这种情况下我能做些什么

我的版本： ( python 2.7， sklearn 0.18.1， scipy 0.18.1， numpy 1.12.0

---

)

我犯了错误，这段代码运行良好，没有内存泄漏。

显示error@VivekKumar我使用python笔记本，没有错误。我看到使用RAM会达到极限，在Ipython笔记本中会有这样一条消息：“内核似乎已死亡。它将自动重新启动。”然后尝试在没有管道的情况下使用代码，即先适应tfidf，然后适应sgd。通过这种方式，您可以确定内存增加的位置。