在Keras中，编译模型是指配置模型的训练过程，其中包括选择优化器、选择损失函数和评估指标等。当编译模型之后，会返回一个编译后的模型对象。如果在编译模型时没有指定任何评估指标，那么在编译后的模型对象中，评估指标的值将会被设置为None。

下面是一个示例代码，展示了如何编译Keras模型并使用None作为评估指标的情况：

from keras.models import Sequential
from keras.layers import Dense

# 创建一个简单的Sequential模型
model = Sequential()
model.add(Dense(64, activation='relu', input_dim=100))
model.add(Dense(64, activation='relu'))
model.add(Dense(10, activation='softmax'))

# 编译模型，没有指定评估指标
model.compile(optimizer='rmsprop',
              loss='categorical_crossentropy')

# 打印编译后的模型对象
print(model)

在上面的示例中，编译后的模型对象将会输出如下信息：

可以看到，在模型对象的输出中，并没有指定评估指标。

如果需要在编译模型时指定评估指标，可以通过在compile函数中传入metrics参数来指定。例如，如果想要使用准确率（accuracy）作为评估指标，可以按照以下方式修改示例代码：

# 编译模型，并指定评估指标为准确率
model.compile(optimizer='rmsprop',
              loss='categorical_crossentropy',
              metrics=['accuracy'])

这样，在编译后的模型对象中，评估指标的值将会包含在输出中。