Python 通过预处理得到模型的精度

我想得到我的模型预测

x\u测试标签的准确性

   from __future__ import print_function
    from keras.models import Sequential
    from keras.layers import Dense
    import keras
    import numpy as np
    model = Sequential()
    model.add(Dense(2000, input_dim=3072, activation='relu'))
    model.add(Dense(500, activation='relu'))
    model.add(Dense(66, activation='softmax'))
    model.fit(x_train,y_train, epochs=100, batch_size=128)
    scores = model.evaluate(x_train, y_train)
    print("\n%s: %.2f%%" % (model.metrics_names[1], scores[1]*100))

现在我想知道预测的准确性

predictions = model.predict(x_test)

我试过：

  print("\n%s: %.2f%%" % (model.metrics_names[1], predictions*100))

我得到了以下错误：

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-262-edbcf292f31c> in <module>()
----> 1 print("\n%s: %.2f%%" % (model.metrics_names[1], predictions*100))

TypeError: float argument required, not numpy.ndarray

---------------------------------------------------------------------------
TypeError回溯（最近一次调用上次）
在（）
---->1次打印（“\n%s:%.2f%%”%”%（model.metrics\u名称[1]，预测*100））
TypeError:需要浮点参数，而不是numpy.ndarray
model.predict
生成一个
numpy.array
，它与
float
完全不同。您可以尝试使用
print（predictions）
打印，但在这种情况下，使用带
float
的格式化字符串绝对不起作用。尝试：

print("\n%s:" % (model.metrics_names[1]))
print(100 * predictions)

或

或者如果在
x\u测试中只有一个案例
：

print("\n%s: %.2f%%" % (model.metrics_names[1], predictions[0]*100))

预测是有规律的（2000,50）。我想得到每行的最大概率。我尝试了predictions.max（），但它返回整个2d数组的最大值，但是我正在寻找一个1D向量2000，其中每个值表示行中的最大值try
max（axis=1）
。
print("\n%s: %.2f%%" % (model.metrics_names[1], predictions[0]*100))