在Keras中搭建神經網絡通常分為以下步驟：
import keras
from keras.models import Sequential
from keras.layers import Dense
model = Sequential()
model.add(Dense(units=64, activation='relu', input_dim=100))
model.add(Dense(units=64, activation='relu'))
model.add(Dense(units=10, activation='softmax'))
其中，第一層需要指定輸入的維度，后續層會自動推斷輸入維度。
model.compile(loss='categorical_crossentropy', optimizer='sgd', metrics=['accuracy'])
在編譯模型時，需要指定損失函數、優化器和評估指標。
model.fit(x_train, y_train, epochs=10, batch_size=32)
其中，x_train是輸入數據，y_train是標簽數據，epochs是訓練輪數，batch_size是每個batch的樣本數。
loss, accuracy = model.evaluate(x_test, y_test)
在使用測試數據評估模型時，可以得到模型的損失和準確率。
predictions = model.predict(x_new)
可以使用訓練好的模型對新數據進行預測。
以上就是使用Keras搭建神經網絡的基本步驟。可以根據具體的需求和數據集進行調整和優化。
