回到MNIST手寫數字辨識的單元，前面已經完成了模型的建立及訓練，也學會如何印出和判讀訓練過程，那麼最後我們就要使用這個模型來對資料進行預測。在開始之前，我們要先稍微評估目前模型的預測準確率，若是相差太遠，則要考慮加強訓練後再拿來使用，若評估尚可，即可開始做辨識預測。

• 評估模型準確率
  

藉由model的evaluate方法，放入對應的參數，就能夠簡單利用未參與訓練的測試資料集來評估準確率。這邊所得到的準確度大約為0.9783≒0.98，看來訓練的還不錯！

• 進行預測

確認模型的準確率在可接受範圍內，那麼要準備使用這個模型對資料做預測。

1. 執行預測：
   

把要辨識的資料集放入括弧內作為參數，並儲存在prediction這個變數中。

2. 查看預測結果：
   

這步驟只是把預測結果簡略的用陣列形式依序從頭印出，如果要查看比較詳細的內容則要進到下一步驟。

3. 顯示多筆預測結果：
   

所使用的程式碼是運用到我曾經在第21篇介紹過的定義出plot_images_labels_prediction函數，只要分別代入影像資料、真實值、預測結果、索引值、以及印出的數量，就能呈現出以下所看到的執行結果。可以特別注意到我印出的辨識結果中，最左下角那張影像的真實值為4，但是我們訓練好的模型卻預測為9，即是所謂的預測錯誤，正常情況下比較容易發生在字跡較潦草或是較模糊的資料。

• 參考資料：
  TensorFlow+Keras深度學習人工智慧實務應用 — 林大貴著