TensorFlow概率：如何获得预测的准确性？

Question

我正在以这种方式编码TensorFlow模型：

model = Sequential()
model.add(Dense(512, input_shape=(max_words,)))
model.add(Activation('relu'))
model.add(Dropout(0.5))
model.add(Dense(num_classes))
model.add(Activation('softmax'))

model.compile(loss='categorical_crossentropy',
              optimizer='adam',
              metrics=['accuracy'])

history = model.fit(x_train, y_train,
                    batch_size=batch_size,
                    epochs=epochs,
                    verbose=1,
                    validation_split=0.1)

我有这种方法可以返回输入的预测类：

def predict(input):
    try:
        q = model.predict(np.array([x_train[int(dict[input])],]))
        predicted_label = text_labels[np.argmax(q)]
        print("Classe Predetta: " + predicted_label + "\n")

        return predicted_label

    except:
        return "error"

现在，我使用softmax来获得准确性水平，但这不是更好的方法。我知道我可以在新的TensorFlow概率中使用概率模型。 我想查看代码以获取模型和准确性 谢谢