在Keras中，可以使用模型的add()方法来添加层到模型中。例如，可以通过以下方式添加一个全连接层到模型中：
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，我们首先创建了一个Sequential模型，然后通过add()方法添加了一个包含64个神经元和ReLU激活函数的全连接层。输入形状为(100,)，表示输入数据的维度为100。
除了Dense层，Keras还提供了其他类型的层，例如卷积层、池化层、循环层等，可以根据需要选择适合的层类型添加到模型中。添加层到模型后，可以通过调用compile()方法来编译模型，然后使用fit()方法来训练模型。