要創建一個簡單的神經網絡模型，可以使用Keras庫。下面是一個例子，展示了如何創建一個具有一層隱藏層的簡單神經網絡模型。
# 導入必要的庫
import keras
from keras.models import Sequential
from keras.layers import Dense
# 創建一個Sequential模型
model = Sequential()
# 添加輸入層和隱藏層
model.add(Dense(units=64, activation='relu', input_dim=100))
# 添加輸出層
model.add(Dense(units=1, activation='sigmoid'))
# 編譯模型
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
# 打印模型結構
model.summary()
在這個例子中，我們首先導入了Keras庫，并且從keras.models和keras.layers模塊導入了Sequential和Dense類。然后創建了一個Sequential模型，并在模型中添加了一個具有64個神經元和ReLU激活函數的隱藏層，以及一個具有一個神經元和Sigmoid激活函數的輸出層。接下來，我們編譯模型，指定了損失函數、優化器和評估指標。最后，我們打印了模型的結構。
這是一個簡單的神經網絡模型，你可以根據自己的需求進行修改和擴展。
