使用keras训练好了mnist数字识别模型后，准备拿来做预测。
以下是预测代码：
#coding:utf-8
import cv2
import numpy as np
from keras.models import load_model
model = load_model('self.h5')
image = cv2.imread('Predict_image/7.jpg', 0)
img = cv2.imread('Predict_image/7.jpg', 0)
img = (img.reshape(1,28,28,1)).astype("float32")/255
predict = model.predict_classes(img)
print ('识别为：')
print (predict)
cv2.imshow("Image1", image)
cv2.waitKey(0)
之前这个代码是有效的，但是在更换训练模型后，代码出现提示：
AttributeError: 'Model' object has no attribute 'predict_classes'
在国外网站上找到了解决办法。
The predict_classes method is only available for the Sequential class (which is the class of your first model) but not for the Model class (the class of your second model).
With the Model class, you can use the predict method which will give you a vector of probabilities and then get the argmax of this vector (with np.argmax(y_pred1,axis=1)).
原因很简单，两次训练时，网络结构不同。
第一次用的网络是在model=Sequential()下添加模块的的方法，Sequential class可以使用model.predict_classes()；第二次用的网络是编写好网络结构后使用model=Model(input=mnist_input,outputs=output)综合起来的方法，也就是Model class，无法使用model.predict_classes()，但是可以使用组合形式预测：
predict = model.predict(img)
predict=np.argmax(predict,axis=1)