Du musst das Bild laden und in das Format bringen, welches dein Netz akzeptiert.
Das Format findest du heraus, indem du dir das Format der Inputdaten, die du dem Netz in .fit übergibst, ausgeben lässt. Das geht mit Hilfe von print(train_data_name.shape).
(Dabei gehe ich davon aus, dass deine Trainingsdaten ein numpy Array ist -> print(type(train_data_name)))
Dann suchst du dir eine beliebige Bibliothek aus, mit der man Bilder importieren kann.
Unter dem Link von Mathemaninoff wird gezeigt wie das direkt mit Keras geht.
Soweit ich weiß verwendet das mnist dataset grayscalebilder der Größe 28x28. Entsprechend möchtest du dein Bild auch als grayscale importieren und auf 28x28 skalieren.
Evtl musst du noch das Bild flatten also von 28x28 zu 1x784 konvertieren. Das siehst du an der shape die du oben ausgegeben hast.
Abändern kannst du die Form mit numpy.reshape. Wenn das nötig ist, wurde das aber bestimmt auch irgendwo im Tutorial gemacht.
Alles was du mit den Inputdaten gemacht hast, musst du glaube ich auch mit deinem Bild machen.
Am Ende verwendest du model_name.predict(image_array_name) um das Bild in dein Netz zu stecken.
Es kann sein, dass du eine Dimension zu deinem Bild hinzufügen musst, da predict einen Batch erwartet (einen, wie auch deine trainingsdaten einer sind).
zB. Wenn die Trainingsdaten vom shape, (60000, 28, 28) sind, dann müsstest du dein Bild von (28, 28) zu (1, 28, 28) umformen.
Am besten suchst du nach einem Tutorial, bei dem das inputshape gleich ist wie bei deinem Netz und folgst diesem.