在Keras中使用預訓練的模型可以通過兩種方式實現：使用已經在Keras中提供的預訓練模型（如VGG16、ResNet50、InceptionV3等）或者使用其他深度學習框架（如TensorFlow、PyTorch）中訓練好的模型。

1. 使用Keras提供的預訓練模型：

from keras.applications.vgg16 import VGG16
from keras.applications.vgg16 import preprocess_input, decode_predictions
from keras.preprocessing import image
import numpy as np

# 加載預訓練的VGG16模型
model = VGG16(weights='imagenet')

# 加載要預測的圖片，并進行預處理
img_path = 'path_to_your_image.jpg'
img = image.load_img(img_path, target_size=(224, 224))
x = image.img_to_array(img)
x = np.expand_dims(x, axis=0)
x = preprocess_input(x)

# 預測圖像的類別
preds = model.predict(x)
predictions = decode_predictions(preds, top=3)[0]
for i, (imagenetID, label, score) in enumerate(predictions):
    print("{}. {}: {:.2f}%".format(i + 1, label, score * 100))

2. 使用其他深度學習框架中訓練好的模型：

import tensorflow as tf
from keras.applications.vgg16 import preprocess_input
from keras.preprocessing import image
import numpy as np

# 加載其他深度學習框架中訓練好的模型
model = tf.keras.models.load_model('path_to_your_model.h5')

# 加載要預測的圖片，并進行預處理
img_path = 'path_to_your_image.jpg'
img = image.load_img(img_path, target_size=(224, 224))
x = image.img_to_array(img)
x = np.expand_dims(x, axis=0)
x = preprocess_input(x)

# 預測圖像的類別
preds = model.predict(x)

通過以上兩種方法，您可以在Keras中使用預訓練的模型進行圖像分類、目標檢測等任務。