如何使用keras从经过训练的mnist模型中进行预测？
我已经完成了一个将mnist与keras结合使用的教程。我已经训练了模型并获得了相当好的精度。现在我如何通过提供新的输入从中做出新的预测。 这是密码如何使用keras从经过训练的mnist模型中进行预测？,keras,convolution,mnist,Keras,Convolution,Mnist,我已经完成了一个将mnist与keras结合使用的教程。我已经训练了模型并获得了相当好的精度。现在我如何通过提供新的输入从中做出新的预测。 这是密码 将numpy导入为np 从keras.layers导入MaxPool2D、Conv2D、稠密、平坦、衰减 从keras.models导入顺序 从keras.utils导入np_utils 从keras.layers导入激活 从keras.dataset导入mnist np.随机种子（1） （x_列，y_列），（x_测试，y_测试）=列表负载数据（）
将numpy导入为np
从keras.layers导入MaxPool2D、Conv2D、稠密、平坦、衰减
从keras.models导入顺序
从keras.utils导入np_utils
从keras.layers导入激活
从keras.dataset导入mnist
np.随机种子（1）
（x_列，y_列），（x_测试，y_测试）=列表负载数据（）
x_-train=x_-train.reformate（x_-train.shape[0]，28,28,1）.aType（'float32'））
x_测试=x_测试。重塑（x_测试。形状[0,28,28,1]。aType（'float32'））
x_-train=x_-train.astype（'float32'）
x_tset=x_test.astype（'float32'）
x_列=x_列/255
x_测试=x_测试/255
y_列=np_实用到分类（y_列，10）
y_检验=np_实用到分类（y_检验，10）
模型=顺序（）
添加（Conv2D（32，（3,3），activation='relu'，input_shape=（28,28,1）））
添加（MaxPool2D（池大小=（2,2）））
模型。添加（辍学率（0.25））
添加（Conv2D（32，（3,3），activation='relu'，input_shape=（28,28,1）））
添加（MaxPool2D（池大小=（2,2）））
模型。添加（辍学率（0.25））
model.add（展平（））
添加（密集（单位=128，激活=relu'））
模型。添加（辍学率（0.5））
添加（密集（单位=10，激活=softmax'））
compile（优化器='adam'，loss='binary\u crossentropy'，metrics=['accurity']）
模型拟合（x_序列，y_序列，验证数据=（x_测试，y_测试），年代=10，批量大小=200，详细度=2）
model.evaluate（x_检验，y_检验，verbose=0）
model.save（'hand_writed.h5'）
提前谢谢 本教程中的这一行代码将获取一个新的示例来评估您的模型：
model.evaluate（x\u test，y\u test，verbose=0）evaluate（x\u test，y\u test，verbose=0）prediction=model.evaluate（x_检验，y_检验，verbose=0）
打印（'prediction:'，prediction）