要创建一个简单的神经网络模型，可以使用Keras库。下面是一个例子，展示了如何创建一个具有一层隐藏层的简单神经网络模型。
# 导入必要的库
import keras
from keras.models import Sequential
from keras.layers import Dense
# 创建一个Sequential模型
model = Sequential()
# 添加输入层和隐藏层
model.add(Dense(units=64, activation='relu', input_dim=100))
# 添加输出层
model.add(Dense(units=1, activation='sigmoid'))
# 编译模型
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
# 打印模型结构
model.summary()
在这个例子中，我们首先导入了Keras库，并且从keras.models和keras.layers模块导入了Sequential和Dense类。然后创建了一个Sequential模型，并在模型中添加了一个具有64个神经元和ReLU激活函数的隐藏层，以及一个具有一个神经元和Sigmoid激活函数的输出层。接下来，我们编译模型，指定了损失函数、优化器和评估指标。最后，我们打印了模型的结构。
这是一个简单的神经网络模型，你可以根据自己的需求进行修改和扩展。
