要在shinyapps.io上部署一个加载Keras模型的Shiny App，你需要进行以下步骤：

1. 准备你的Shiny App代码和Keras模型文件。确保你的Shiny App代码中包含了加载和使用Keras模型的必要代码。

2. 将Keras模型文件保存为.h5文件格式。你可以使用Keras的model.save()函数将模型保存为.h5文件。例如，你可以将模型保存为'model.h5'。

3. 在你的Shiny App代码中，使用keras::load_model_hdf5()函数加载Keras模型。确保你在Shiny App代码中包含了加载模型的必要库和函数。例如，你可以使用以下代码加载模型：

library(keras)
model <- load_model_hdf5("model.h5")

4. 将Shiny App代码和Keras模型文件上传到shinyapps.io。你可以使用shinyapps.io提供的部署选项将Shiny App代码和Keras模型文件上传到shinyapps.io。

5. 等待部署完成后，你可以通过访问shinyapps.io上的URL来访问你的Shiny App。

下面是一个简单的示例代码，演示了如何在shinyapps.io上部署一个加载Keras模型的Shiny App：

# app.R
library(shiny)
library(keras)

# 加载Keras模型
model <- load_model_hdf5("model.h5")

# 定义UI
ui <- fluidPage(
  titlePanel("加载Keras模型的Shiny App"),
  sidebarLayout(
    sidebarPanel(
      # 在这里添加你的输入控件
    ),
    mainPanel(
      # 在这里添加你的输出控件
    )
  )
)

# 定义Server
server <- function(input, output) {
  # 在这里添加你的Shiny App逻辑代码，包括使用Keras模型进行预测等
}

# 运行Shiny App
shinyApp(ui = ui, server = server)

确保将上述代码中的"model.h5"替换为你的Keras模型文件的路径和文件名。

请注意，如果你的Keras模型有大量的参数和计算需求，可能需要考虑shinyapps.io的资源限制，以确保应用能正常运行。你可能需要在代码中进行一些优化，以减少模型加载和预测的计算量。