在Keras中，可以使用模型的add()方法來添加層到模型中。例如，可以通過以下方式添加一個全連接層到模型中：
from keras.models import Sequential
from keras.layers import Dense
model = Sequential()
model.add(Dense(units=64, activation='relu', input_shape=(100,)))
在上面的例子中，我們首先創建了一個Sequential模型，然后通過add()方法添加了一個包含64個神經元和ReLU激活函數的全連接層。輸入形狀為(100,)，表示輸入數據的維度為100。
除了Dense層，Keras還提供了其他類型的層，例如卷積層、池化層、循環層等，可以根據需要選擇適合的層類型添加到模型中。添加層到模型后，可以通過調用compile()方法來編譯模型，然后使用fit()方法來訓練模型。
