Почему мой классификатор MNIST возвращает массив [[0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]] независимо от входного изображения?

Question

# predicting the new images
# defining the new function to classify images

def predictDigit( filePath ):
    #doing image preprocessing 
    test_image = image.load_img( grayscale = True , path = filePath , target_size = ( 28 , 28 ))
    plt.imshow( test_image )
    test_image = image.img_to_array( test_image )
    test_image = np.expand_dims( test_image , axis = 0 )
    # predicting the digit 
    ans = classifier.predict(test_image )
    print( ' I think the digit is probbably ' , ans )

filePath = 'Screenshot1.jpg'
predictDigit( filePath )

Я создал модель в CNN для классификации изображений набора данных MNIST в анаконде (spyder) с использованием керас.Все просто отлично работает, за исключением той части, которая всякий раз, когда Он делает прогноз, вывод всегда [[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]] независимо отвходного изображения, даже если точность модели составляет 99,84% в проверочном наборе.Пожалуйста, помогите мне определить причину ошибки.Заранее спасибо.

ЗДЕСЬ ссылка оригинального кода: https://github.com/REDsake/KaggleWeekends/commit/bfff2fe9502b435a85725af6790076a721805c9a