我有一个检查点形式的 tensorflow 预训练模型，我打算通过将模型转换为savedmodel表单来部署该模型以供服务。保存模型的大小有点过大。（保存模型中的“variables.data-00000-of-0001”文件超过数百MB。）我在谷歌上搜索了如何减少变量的大小，但找不到好的答案。你能帮我理解如何减少张量流保存模型中变量的大小吗？展示一个简单的例子会很棒。谢谢！
我想问一个问题，在TensorFlow中estimators的训练过程中如何监控validation loss。我已经检查过一个类似的问题（在 Estimator 训练期间验证）之前问过，但它没有多大帮助。
如果我使用 estimator 来构建模型，我会给 Estimator.train() 函数一个输入函数。但是没有办法在训练过程中再添加validation_x、validation_y数据。因此，当训练开始时，我只能看到训练损失。当训练过程运行更长时间时，训练损失预计会减少。但是，此信息无助于防止过度拟合。更有价值的信息是验证损失。通常，验证损失是具有 epoch 数的 U 形。为了防止过度拟合，我们希望找到验证损失最小的时期数。
所以这是我的问题。在使用估计器的训练过程中，如何获得每个时期的验证损失？
在C++中,我觉得非常不方便的是C++没有内置的功能来在运行时为多维数组动态分配内存.
在Java中,我们可以通过一行代码来完成.例如,在Java中,我们可以为4D整数数组动态分配内存
int a, b, c, d;
std::cin>>a>>b>>c>>d;
int[ ][ ][ ][ ] array = new int[a][b][c][d];
我用谷歌搜索解决方案在C++中做同样的事情.但是我发现,在C++中,我们必须使用嵌套循环,容器或一些带有函数的结构来实现相同的功能.由于这样的语法功能非常方便,我想问一下为什么C++没有包含这样的内置功能？
正如标题所示,C++和C在链接过程中是否使用相同类型的链接器？另外,对于C++和C的编译器,C++编译器是否构建在C编译器之上？