Keras是一个高级神经网络API，它是建立在底层深度学习框架（如TensorFlow、Theano等）之上的。其工作原理主要分为以下几个步骤：
定义模型结构：通过Keras的API，用户可以定义神经网络模型的结构，包括各层的类型、参数设置等。
编译模型：在定义完成模型结构后，需要通过调用compile方法编译模型。在编译过程中，用户可以指定损失函数、优化器、评估指标等。
训练模型：通过调用fit方法，用户可以将数据输入模型中进行训练。在训练过程中，模型会根据损失函数和优化器进行参数更新。
评估模型：在模型训练完成后，用户可以通过调用evaluate方法对模型进行评估，得到模型的性能指标。
使用模型：训练完成的模型可以用于预测新的数据。通过调用predict方法，用户可以用训练好的模型对新数据进行预测。
总的来说，Keras提供了一个简洁、易用的API，使用户可以方便地构建、训练和评估神经网络模型。其底层的深度学习框架负责实际的计算和优化过程。