怎么用训练好的模型来单独测试一个图片的分类

比如用fashion数据集，训练好模型后如何用该模型单独判断从网上随机下载的图片的类型

得看训练的代码，对图片进行和训练时相同的预处理。
下面是我做垃圾分类的测试代码，你可以参考改。
有帮助的话，就麻烦采纳一下

# coding=utf-8
from tensorflow.keras.preprocessing import image
from tensorflow.keras.models import load_model
import numpy as np
# import cv2
 

def predict(img_path):
    # 把图片转换成为numpy数组
    img = image.load_img(img_path, target_size=(150, 150))
    img = image.img_to_array(img)
 
    # 加载模型,加载请注意 model_path 是相对路径, 与当前文件同级。
    # 如果你的模型是在 results 文件夹下的 dnn.h5 模型，则 model_path = 'results/dnn.h5'
    model_path = './model_20_6type.h5'
    # 加载模型
    model = load_model(model_path)
 
    # expand_dims的作用是把img.shape转换成(1, img.shape[0], img.shape[1], img.shape[2])
    # 给函数增加维度
    x = np.expand_dims(img, axis=0)
    # 模型预测
    y = model.predict(x)
 
    # 获取labels
    labels = {0:'纸板',1:'玻璃瓶',2:'金属',3:'纸',4:'塑料',5:'垃圾'}
    predict = labels[np.argmax(y)]
    print('识别结果：',predict)
 
    # 返回图片的类别
    return predict
 
img_path = './content/33.jpg'
# frame = cv2.imread(img_path)
predict(img_path)