model.predict(X_test, batch_size=32，verbose=1)

参数解析：

X_test：为即将要预测的测试集

batch_size:为一次性输入多少张图片给网络进行训练，最后输入图片的总数为测试集的个数

verbose:1代表显示进度条，0不显示进度条，默认为0

返回值：每个测试集的所预测的各个类别的概率

示例：

# 各个类别评估（X_test为10000个数据集）
print("[INFO] evaluating network...")
predictions = model.predict(X_test, batch_size=32) #显示每一个测试集各个类别的概率，这个值的shape为（10000,10）
print(predictions)
print(predictions.shape)

结果： 

可以看出model.predict(X_test, batch_size=32)的返回值为每个测试集预测的10个类别的概率

所以最后输出的shape为（10000,10）

如果想要获得每个测试集预测的类别，而不是每个类别的概率，可以如下操作

import numpy as np
predictions = model.predict(X_test, batch_size=32)
y_test_pred = np.argmax(predictions, axis=1)

注意：axis值为你要转换的行(axis=1从每一行找出最大数值的下标,
axis=0从每一列找出最大数值的下标)，而且输出为一维数据，即每个样本对应一个类别值

 np.argmax(x,axis=1)函数，默认axis=1

axis=1从x的每一行中找出最大数值的下标,（这里下标代表类别）
axis=0从x的每一列找出最大数值的下标

model.predict_classes(X_test,batch_size=32，verbose=1)函数

参数解析：

X_test：为即将要预测的测试集

batch_size:为一次性输入多少张图片给网络进行训练，最后输入图片的总数为测试集的个数

verbose:1代表显示进度条，0不显示进度条，默认为0

返回值：每个测试集的预测的类别（即下标）

等价于上面的两组语句