如何从恢复的模型中获取预测MLP tensorflow？

import tensorflow as tf
import numpy as np

input_size = 784  # 输入层大小
hidden_size = 256  # 隐藏层大小
output_size = 10  # 输出层大小

# 定义MLP模型
def create_model():
    model = tf.keras.models.Sequential([
        tf.keras.layers.Dense(hidden_size, activation='relu', input_shape=(input_size,)),
        tf.keras.layers.Dense(hidden_size, activation='relu'),
        tf.keras.layers.Dense(output_size, activation='softmax')
    ])
    return model

model = create_model()
model.load_weights('path/to/model_weights.h5')

# 假设有一组输入数据X
X = np.random.rand(1, input_size)  # 生成一个随机输入样本

# 进行预测
predictions = model.predict(X)

# 获取预测结果中概率最大的类别
predicted_class = np.argmax(predictions)

# 打印预测结果
print("预测结果：", predicted_class)