在Keras中，可以直接將numpy數組作為輸入傳遞給模型的方法。Keras會自動將numpy數組轉換為張量，并將其用作模型的輸入。
以下是一個使用numpy數組作為輸入的示例：
import numpy as np
from keras.models import Sequential
from keras.layers import Dense
# 創建一個簡單的模型
model = Sequential()
model.add(Dense(units=64, activation='relu', input_dim=100))
model.add(Dense(units=10, activation='softmax'))
# 創建一個輸入numpy數組
x_train = np.random.random((1000, 100))
y_train = np.random.randint(10, size=(1000,))
# 編譯和訓練模型
model.compile(loss='categorical_crossentropy', optimizer='sgd', metrics=['accuracy'])
model.fit(x_train, y_train, epochs=10, batch_size=32)
在上述示例中，x_train和y_train是numpy數組，它們分別作為訓練數據和目標標簽傳遞給fit方法。
上述示例中的模型假設輸入是100維的向量，輸出是10個類別的分類問題。
