导入TensorFlow检查点并将其用于Keras的预测

Question

我想使用pre-trained GoogLeNet model来预测Keras的图像类别。我已经下载了相关的TensorFlow files：

$ tree pretrained/
pretrained/
├── cifar
│   ├── checkpoint
│   ├── inception-cifar-epoch-99.data-00000-of-00001
│   ├── inception-cifar-epoch-99.index
│   └── inception-cifar-epoch-99.meta
└── googlenet.npy

我的理解是cifar中的3个文件包含了我所需要的：inception-cifar-epoch-99.meta中的图形以及其他文件中的训练结果。

我已经弄清楚了如何导入图形：

import tensorflow as tf

with tf.Session(graph = tf.Graph()) as sess:
    saver = tf.train.import_meta_graph("./pretrained/cifar/inception-cifar-epoch-99.meta")
    saver.restore(sess, "./pretrained/cifar/inception-cifar-epoch-99")

但是我不知道如何使用它来进行预测。我只熟悉Keras界面，并尽可能使用它。我可以从这些文件构建Keras模型吗？