在使用 Python 中的 Keras 创建模型时，常见的调试工作流程是什么？

Tensorflow 是 Google 提供的一个机器学习框架。它是一个开源框架，与 Python 结合使用以实现算法、深度学习应用程序等等。它用于研究和生产目的。它具有优化技术，有助于快速执行复杂的数学运算。

这是因为它使用了 NumPy 和多维数组。这些多维数组也称为“张量”。

可以使用以下代码行在 Windows 上安装“TensorFlow”软件包：

pip install tensorflow

Keras 在希腊语中意为“角”。Keras 是作为 ONEIROS（开放式神经电子智能机器人操作系统）项目研究的一部分而开发的。它运行在 Tensorflow 框架之上。它是为了帮助快速实验而构建的。它提供了开发和封装机器学习解决方案所必需的基本抽象和构建块。

它具有高度可扩展性，并具有跨平台功能。这意味着 Keras 可以运行在 TPU 或 GPU 集群上。Keras 模型也可以导出以在 Web 浏览器或手机上运行。

Keras 已经存在于 Tensorflow 软件包中。可以使用以下代码行访问它。

import tensorflow
from tensorflow import keras

我们正在使用 Google Colaboratory 来运行以下代码。Google Colab 或 Colaboratory 帮助通过浏览器运行 Python 代码，并且无需任何配置，即可免费访问 GPU（图形处理单元）。Colaboratory 是建立在 Jupyter Notebook 之上的。以下是代码片段：

示例

print("Creating a sequential model")
model = keras.Sequential()
print("Adding layers to it")
model.add(keras.Input(shape=(250, 250, 3))) # 250x250 RGB images
model.add(layers.Conv2D(32, 5, strides=2, activation="relu"))
model.add(layers.Conv2D(32, 3, activation="relu"))
model.add(layers.MaxPooling2D(3))
print("Data about the layers in the model")
model.summary()
print("Adding more layers to the model")
model.add(layers.Conv2D(32, 3, activation="relu"))
model.add(layers.Conv2D(32, 3, activation="relu"))
model.add(layers.MaxPooling2D(3))
model.add(layers.Conv2D(32, 3, activation="relu"))
model.add(layers.Conv2D(32, 3, activation="relu"))
model.add(layers.MaxPooling2D(2))
print("Data about the layers in the model")
model.summary()
print("Applying golval max pooling")
model.add(layers.GlobalMaxPooling2D())
print("Adding a classification layer to the model")
model.add(layers.Dense(10))

代码来源 - https://tensorflowcn.cn/guide/keras/sequential_model