要保持Keras加载以进行评估，可以使用以下代码示例：

import tensorflow as tf
from tensorflow import keras

# 加载模型
model = keras.models.load_model("model.h5")

# 加载数据集
(x_train, y_train), (x_test, y_test) = keras.datasets.mnist.load_data()
x_test = x_test.astype("float32") / 255

# 预测和评估
predictions = model.predict(x_test)
accuracy = tf.keras.metrics.Accuracy()
accuracy.update_state(tf.argmax(predictions, axis=1), y_test)
print("Accuracy:", accuracy.result().numpy())

解释：

1. 首先，使用keras.models.load_model()加载已经训练好的模型。确保将model.h5替换为你已经训练好的模型的路径。

2. 然后，使用适当的方法加载数据集。在这个例子中，我们使用keras.datasets.mnist.load_data()加载MNIST数据集。

3. 对加载的数据进行预处理，确保其与模型的输入数据兼容。在这个例子中，我们将像素值缩放到0到1之间。

4. 使用加载好的模型对测试数据进行预测，使用model.predict()方法。

5. 最后，使用评估指标（在这个例子中是准确度）对模型的预测结果进行评估。在这个例子中，我们使用tf.keras.metrics.Accuracy()指标，并使用update_state()方法更新指标的状态。

6. 打印模型的准确度结果。