Tensorflow 如何在含有keras嵌入层的神经网络中得到概率分布？

我正在尝试使用单词嵌入训练一个用于文本分类的神经网络。我使用

keras.preprocessing.text.Tokenizer

获得单词嵌入，并使用

keras.preprocessing.sequence.pad\u sequences

填充它们。输入是一个大小为的数组（15795135），数据类型为int32。神经网络如下所示

VECTOR_SIZE = 50

model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Embedding(vocabulary_size, VECTOR_SIZE, input_length=max_len))
model.add(tf.keras.layers.Dense(units=128, activation='relu'))
model.add(tf.keras.layers.Dense(units=128, activation='relu'))
model.add(tf.keras.layers.Dense(units=1, activation='sigmoid'))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

model.fit(x_train, y_train, batch_size=64, epochs=25)

这里的模型摘要是

model.summary()
Model: "sequential_4"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
embedding_4 (Embedding)      (None, 135, 50)           614600    
_________________________________________________________________
dense_9 (Dense)              (None, 135, 128)          6528      
_________________________________________________________________
dense_10 (Dense)             (None, 135, 128)          16512     
_________________________________________________________________
dense_11 (Dense)             (None, 135, 1)            129       
=================================================================
Total params: 637,769
Trainable params: 637,769
Non-trainable params: 0
_________________________________________________________________

训练模型后，当我预测维度（3949135）的x_检验（3949个示例）时，输出是一个维度的数组（3949135，1），其数据类型为float32。我不理解这个输出。我想要概率分布，这样我可以得到混淆矩阵、分类报告等

提前谢谢