Как сохранить изображения, правильно классифицированные с CNN

Question

Проблема распознавания рукописного ввода с CNN. Существует требование: из 10000 тестовых изображений сохранить 1000 изображений (.png или .jpg) с точностью классифицировать каждую папку из 100 изображений (0 -> 9). Как мне это сделать? Мне нужна инструкция о коде. Спасибо! код:

    import keras
    from keras.datasets import mnist 
    from keras.layers import Dense, Activation, Flatten, Conv2D, 
    MaxPooling2D
    from keras.models import Sequential
    from keras.utils import to_categorical
    import numpy as np
    import matplotlib.pyplot as plt

    (train_X,train_Y), (test_X,test_Y) = mnist.load_data()

    train_X = train_X.reshape(-1, 28,28, 1)
    test_X = test_X.reshape(-1, 28,28, 1)

    train_X = train_X.astype('float32')
    test_X = test_X.astype('float32')
    train_X = train_X / 255
    test_X = test_X / 255

    train_Y_one_hot = to_categorical(train_Y)
    test_Y_one_hot = to_categorical(test_Y)

    model = Sequential()

    model.add(Conv2D(64, (3,3), input_shape=(28, 28, 1)))
    model.add(Activation('relu'))
    model.add(MaxPooling2D(pool_size=(2,2)))

    model.add(Conv2D(64, (3,3)))
    model.add(Activation('relu'))
    model.add(MaxPooling2D(pool_size=(2,2)))

    model.add(Flatten())
    model.add(Dense(64))

    model.add(Dense(10))
    model.add(Activation('softmax'))

    model.compile(loss=keras.losses.categorical_crossentropy, 
    optimizer=keras.optimizers.Adam(),metrics=['accuracy'])

    model.fit(train_X, train_Y_one_hot, batch_size=64, epochs=1)

    test_loss, test_acc = model.evaluate(test_X, test_Y_one_hot)
    print('Test loss', test_loss)
    print('Test accuracy', test_acc)
    model.save('123.model')
    predictions = model.predict(test_X)
    print(np.argmax(np.round(predictions[235])))

    plt.imshow(test_X[235].reshape(28, 28), cmap = 'Greys_r')
    plt.show()