使用Python和Keras创建模型时常用的调试工作流是什么？

TensorFlow是由Google提供的机器学习框架。它是一个开源框架，与Python配合使用来实现算法、深度学习应用等。它被用于研究和生产目的。它有优化技术，可以快速执行复杂的数学运算。

这是因为它使用NumPy和多维数组。这些多维数组也称为‘张量’。

可以使用以下代码在Windows上安装‘TensorFlow’包−

pip install tensorflow

Keras在希腊语中的意思是‘角’。Keras是ONEIROS（开放式神经电子智能机器人操作系统）项目的研究的一部分开发的。它在Tensorflow框架之上运行。它被构建为帮助快速实验。它提供了实现和封装机器学习解决方案所需的基本抽象和构建块。

它高度可扩展，并具有跨平台功能。这意味着Keras可以在TPU或GPU集群上运行。Keras模型也可以导出到Web浏览器或移动电话中运行。

Keras已经存在于Tensorflow包中。可以使用以下代码访问它。

import tensorflow
from tensorflow import keras

我们使用Google Colaboratory来运行以下代码。Google Colab或Colaboratory可以在浏览器上运行Python代码，无需配置且可以免费使用GPU（图形处理单元）。Colaboratory是在Jupyter笔记本之上构建的。以下是代码片段∶

更多Python相关文章，请阅读：Python 教程

样例

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))