Keras中可以通過在模型的層中添加正則化項來對模型進行正則化。可以在每個層的參數中指定正則化項，例如：
from keras import regularizers
model = Sequential()
model.add(Dense(64, input_dim=64, kernel_regularizer=regularizers.l2(0.01)))
model.add(Activation('relu'))
model.add(Dense(64, kernel_regularizer=regularizers.l2(0.01)))
model.add(Activation('relu'))
model.add(Dense(10, kernel_regularizer=regularizers.l2(0.01)))
model.add(Activation('softmax'))
在上面的例子中，我們在每個全連接層的參數中添加了L2正則化項，參數值為0.01。可以根據需要選擇不同的正則化方式，比如L1正則化、L1L2正則化等。添加了正則化項后，模型在訓練時將會對權重進行約束，防止過擬合的發生。
