在Keras中，可以使用compile()方法來編譯模型并指定優化器和損失函數。以下是一個示例代碼：
from keras.models import Sequential
from keras.layers import Dense
# 創建一個簡單的Sequential模型
model = Sequential()
model.add(Dense(units=64, activation='relu', input_dim=100))
model.add(Dense(units=10, activation='softmax'))
# 編譯模型并指定優化器和損失函數
model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])
# 訓練模型
model.fit(x_train, y_train, epochs=10, batch_size=32)
在上面的代碼中，我們通過compile()方法指定了優化器為adam，損失函數為categorical_crossentropy，并將準確率作為評估指標。然后使用fit()方法訓練模型。
除了adam優化器和categorical_crossentropy損失函數之外，Keras還支持其他優化器和損失函數，可以根據具體需求進行選擇。
