要在Keras中使用预训练模型，你可以使用keras.applications模块中提供的预训练模型。这些模型已经在大规模数据集上进行训练，并且可以在你的项目中进行微调或特征提取。
下面是一个使用预训练模型的示例：
from keras.applications.vgg16 import VGG16
from keras.applications.vgg16 import preprocess_input, decode_predictions
from keras.preprocessing import image
import numpy as np
# 加载预训练的VGG16模型
model = VGG16(weights='imagenet')
# 加载一张图片并进行预处理
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)
# 使用模型进行预测
preds = model.predict(x)
# 输出预测结果
print('Predicted:', decode_predictions(preds, top=3)[0])
在上面的示例中，我们加载了VGG16模型，并使用image.load_img加载了一张图片，并对其进行预处理。然后我们使用模型进行预测，并输出了前三个最有可能的类别。
你还可以根据自己的需求对预训练模型进行微调，或者使用预训练模型提取特征来训练自己的模型。