我刚刚完成的TensorFlow课程给出了以下示例，但我想修改一下，以打印分类（而不是二元）样本的预测。0（对应于“5”）、1（对应于“10”）和2（对应于“20”）。

import numpy as np
from google.colab import files
from tensorflow.keras.utils import load_img, img_to_array

uploaded = files.upload()

for fn in uploaded.keys():
 
  path = '/content/' + fn
  img = load_img(path, target_size=(200, 150))
  x = img_to_array(img)
  x /= 255
  x = np.expand_dims(x, axis=0)

  images = np.vstack([x])
  classes = model.predict(images, batch_size=10)
  print(classes[0])
  if classes[0]>0.5:
    print(fn + " is a human")
  else:
    print(fn + " is a horse")

我曾尝试将一组复杂的if函数组合在一起，结果导致了以下错误：The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()
我的垃圾if语句看起来像这样：

if classes[0]=0:
    print(fn + " is a 5")
if classes[0]=1:
    print(fn + " is a 10")
if classes[0]=2:
    print(fn + " is a 20")

事后看来，我现在意识到这种方法是根本错误的，我想做的是打印数组中的最大数字（即最可能的类别）。
以测试为例，我收到了以下输出：

1/1 [==============================] - 0s 18ms/step
[0.97390795 0.00138458 0.02470746]

我希望有一个print语句，其功能与示例代码中列出的语句类似，但它选择最大值并打印相应的标签沿着概率。