在Keras中，損失函數用來衡量模型在訓練過程中預測值與真實值之間的差異，即模型的性能表現。訓練模型的目標是最小化損失函數，使模型的預測值盡可能地接近真實值。常見的損失函數包括均方誤差（Mean Squared Error, MSE）、交叉熵（Cross Entropy）等。選擇合適的損失函數對于模型的訓練和性能至關重要。
