Keras提供了一個方便的函數來對模型進行評估。您可以使用模型的evaluate方法來評估模型的性能。該方法需要輸入數據和標簽，并返回模型的性能指標。
下面是一個簡單的示例，演示如何使用Keras來評估模型：
# 導入必要的庫
import numpy as np
from keras.models import Sequential
from keras.layers import Dense
# 創建一個簡單的模型
model = Sequential()
model.add(Dense(units=64, activation='relu', input_dim=100))
model.add(Dense(units=10, activation='softmax'))
# 編譯模型
model.compile(loss='categorical_crossentropy', optimizer='sgd', metrics=['accuracy'])
# 生成一些隨機數據進行評估
x_test = np.random.random((1000, 100))
y_test = np.random.randint(10, size=(1000, 1))
# 對模型進行評估
loss, accuracy = model.evaluate(x_test, y_test)
print('Test accuracy:', accuracy)
在上面的示例中，首先創建了一個簡單的神經網絡模型，然后編譯了該模型。接著生成了一些隨機的測試數據，并使用evaluate方法對模型進行評估。最后打印出模型的準確率。
在評估模型時，您可以選擇不同的性能指標，比如準確率、損失值等。您也可以在evaluate方法中傳入額外的參數，比如批大小等。
