要在Keras中添加一個隱藏層到神經網絡中，需要使用Sequential模型，并使用add方法添加隱藏層。以下是一個簡單的示例代碼：
from keras.models import Sequential
from keras.layers import Dense
# 創建一個Sequential模型
model = Sequential()
# 添加輸入層和第一個隱藏層
model.add(Dense(units=128, activation='relu', input_shape=(input_shape,)))
# 添加第二個隱藏層
model.add(Dense(units=64, activation='relu'))
# 添加輸出層
model.add(Dense(units=num_classes, activation='softmax'))
# 編譯模型
model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])
在上面的示例中，我們首先創建了一個Sequential模型，然后使用add方法添加了兩個隱藏層和一個輸出層。每個隱藏層都有指定的神經元數量（units）和激活函數（activation）。最后，我們編譯了模型，指定了優化器、損失函數和評估指標。
通過類似的方式，你可以繼續添加更多的隱藏層到神經網絡中。
