在使用 Python 中的 Keras 建立模型時，常見的除錯工作流程是什麼？

Tensorflow 是 Google 提供的一個機器學習框架。它是一個開源框架，與 Python 結合使用以實現演算法、深度學習應用程式等等。它用於研究和生產目的。它具有最佳化技術，有助於快速執行復雜的數學運算。

這是因為它使用了 NumPy 和多維陣列。這些多維陣列也稱為“張量”。

可以使用以下程式碼行在 Windows 上安裝“TensorFlow”軟體包：

pip install tensorflow

Keras 在希臘語中意為“角”。Keras 是作為 ONEIROS（開放式神經電子智慧機器人作業系統）專案研究的一部分而開發的。它執行在 Tensorflow 框架之上。它是為了幫助快速實驗而構建的。它提供了開發和封裝機器學習解決方案所必需的基本抽象和構建塊。

它具有高度可擴充套件性，並具有跨平臺功能。這意味著 Keras 可以執行在 TPU 或 GPU 叢集上。Keras 模型也可以匯出以在 Web 瀏覽器或手機上執行。

Keras 已經存在於 Tensorflow 軟體包中。可以使用以下程式碼行訪問它。

import tensorflow
from tensorflow import keras

我們正在使用 Google Colaboratory 來執行以下程式碼。Google Colab 或 Colaboratory 幫助透過瀏覽器執行 Python 程式碼，並且無需任何配置，即可免費訪問 GPU（圖形處理單元）。Colaboratory 是建立在 Jupyter Notebook 之上的。以下是程式碼片段：

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))

程式碼來源 - https://www.tensorflow.org/guide/keras/sequential_model