# 这里可以修改用于训练或者测试集的数据大小dataset_num = 1000val_num = 500opt = tfkerasoptimizersAdamlr=0001 decay=1e-6#编译modelcompile loss=sparse_categorical_crossentropy optimizer=opt metrics=accuracy# 训练histor

由于之前保存的模型文件名为"models.h5"，因此应使用下面的代码加载模型：

new_model = tf.keras.models.load_model('models.h5')

然后，可以使用以下代码对测试集进行预测：

predictions = new_model.predict(test_x)

这将返回一个numpy数组，其中包含测试集中每个样本的预测标签。如果需要将其转换为类别标签，可以使用以下代码：

predicted_labels = np.argmax(predictions, axis=1)

这将返回一个包含所有预测标签的numpy数组。