在Keras中創建神經網絡模型通常包括以下步驟：
1.導入必要的庫：
import tensorflow as tf
from tensorflow import keras
2.定義模型架構：
model = keras.Sequential([
keras.layers.Dense(128, activation='relu', input_shape=(input_shape,)),
keras.layers.Dense(64, activation='relu'),
keras.layers.Dense(num_classes, activation='softmax')
])
在上面的代碼中，我們使用Sequential來創建一個序貫模型，然后添加不同類型的層，比如全連接層（Dense）。Dense層定義了每個神經元的數量和激活函數。
3.編譯模型：
model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])
在編譯模型時，我們需要指定優化器（optimizer）、損失函數（loss）和評估指標（metrics）。
4.訓練模型：
model.fit(X_train, y_train, epochs=10, batch_size=32, validation_data=(X_val, y_val))
最后，我們使用fit方法來訓練模型，傳入訓練數據、標簽、訓練輪數（epochs）、批量大小（batch_size）等參數。
通過以上步驟，我們就可以在Keras中創建一個神經網絡模型并進行訓練。
