Keras的核心組件包括：
模型（Model）：用于構建神經網絡模型的類，可以是序貫模型（Sequential）或者函數式模型（Functional）。
層（Layers）：神經網絡模型的基本構建單元，可以是全連接層、卷積層、池化層等。
損失函數（Loss functions）：用于評估模型預測結果和真實標簽之間的差異的函數，常見的損失函數包括均方誤差、交叉熵等。
優化器（Optimizers）：用于更新神經網絡參數以最小化損失函數的算法，常見的優化器包括隨機梯度下降（SGD）、Adam等。
評估指標（Metrics）：用于評估模型性能的指標，如準確率、精確率、召回率等。
數據集（Datasets）：用于加載和處理訓練數據和測試數據的類。
回調函數（Callbacks）：用于在訓練過程中監控模型性能并進行相應的操作，如提前終止訓練、保存模型等。
預處理層（Preprocessing layers）：用于對輸入數據進行預處理的層，如標準化、歸一化等。
模型保存與加載（Model saving and loading）：用于保存訓練好的模型權重和結構，并在需要時加載模型。
各種實用工具函數和類：如模型容器、序列化和反序列化工具、圖像處理工具等。
