我已经训练了我的模型，并且运行良好。然后我尝试预测单个图片（jpg）。这也能够正常工作，但现在我无法获得确切的概率。

这是我的模型：

def train():mnist = tf.keras.datasets.mnist(x_train, y_train), (x_test, y_test) = mnist.load_data()#nomalize datax_train = tf.keras.utils.normalize(x_train, axis=1)x_test = tf.keras.utils.normalize(x_test, axis=1)#train modelmodel = tf.keras.models.Sequential()model.add(tf.keras.layers.Flatten())model.add(tf.keras.layers.Dense(128, activation=tf.nn.relu))model.add(tf.keras.layers.Dense(128, activation=tf.nn.relu))model.add(tf.keras.layers.Dense(10, activation=tf.nn.softmax))model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])model.fit(x_train, y_train, epochs=3)model.save('Mnist')print("训练完成 :)")

这是我预测单个图片的方式：

def predict(testImg):    import numpy as np    model = load_model('Mnist')    img = testImg.convert('L').resize((28,28), Image.ANTIALIAS)    img = np.array(img)    predictions = model.predict(img[None,:,:])

我怀疑这可能与img[None,:,:]的重塑有关，因为在我的测试集上，预测函数确实返回了概率。

现在我只得到一个像[0,0,0,0,0,1,0,0,0]的数组，而不是实际的概率。

回答：

原来我在进行预测之前，忘了添加这些代码来规范化我的数组。

        img = img.astype('float32')        img /= 255

如这里所描述的：在Keras中分类预测时返回概率？