Validation Keras：自动编码器的损耗非常高

我正在尝试实现一个自动编码器，用于使用Keras预测多个标签。这是一个片段：

input = Input(shape=(768,))
hidden1 = Dense(512, activation='relu')(input)
compressed = Dense(256, activation='relu', activity_regularizer=l1(10e-6))(hidden1) 
hidden2 = Dense(512, activation='relu')(compressed)
output = Dense(768, activation='sigmoid')(hidden2) # sigmoid is used because output of autoencoder is a set of probabilities

model = Model(input, output)
model.compile(optimizer='adam', loss='categorical_crossentropy') # categorical_crossentropy is used because it's prediction of multiple labels
history = model.fit(x_train, x_train, epochs=100, batch_size=50, validation_split=0.2)

我在Jupyter笔记本电脑（CPU）中运行了此操作，我得到的丢失和验证丢失如下：

损失：193.8085-val_损失：439.7132

但当我在Google Colab（GPU）中运行它时，我得到了非常高的损失和验证损失：

损失：2838384849773932.0000-增值损失：26927464965996544.0000

这种行为的原因可能是什么