问题：使用Keras做分类任务，model.predict预测得到的值为每个类别的概率值，而不是类别。
源码：

y_test_pred = model.predict(x_test, batch_size=256, verbose=1)

解决：

import numpy as np
y_test_pred = model.predict(x_test, batch_size=256, verbose=1)
y_test_pred = np.argmax(y_test_pred, axis=1)

注意：axis值为你要转换的行，而且输出为一维数据，即每个样本对应一个类别值。

总结：
Keras框架能使用的函数是predict和predict_classes；Sklearn中能使用的函数是predict和predict_proba。
predict函数：
1.训练后返回一个概率值数组，此数组的大小为n·k，第i行第j列上对应的数值代表模型对此样本属于某类标签的概率值，行和为1。例如预测结果为：[[0.66651809 0.53348191]，代表预测样本的标签是0的概率为0.66651809，1的概率为0.53348191。
2.输出预测值很简单，只需要在括号内加入处理好的数据集。

pt = predict(test)

output：

3.将预测值转换为0/1值，方法有两种，第一种是使用predict_classes直接输出标签值，第二种是用Numpy转换一下，具体操作如下：

print(np.argmax(pt, axis=1))

output：

注意：
本人在实际操作时发现，使用predict_classes()会出现报错：'Model' object has no attribute 'predict_classes'。这是因为本系统在搭建模型时，先进行了神经网络的编写，之后使用model = Model(input=inp, output=outp)方法，此时这种综合起来的方法无法使用predict_classes()，所以需要配合numpy.argmax()方法将样本最大概率归属类别的值转化为样本的预测数组。