在Python中，你可以使用 `sklearn.metrics` 库中的 `accuracy_score` 函数来计算并输出模型的准确率。以下是一个简单的示例：
```python
from sklearn.metrics import accuracy_score
假设 `test_labels` 是实际的标签，`predicted_labels` 是模型的预测结果
test_labels = np.array（[0, 1, 0, 1, 0, 1]） 实际标签
predicted_labels = np.array（[0, 1, 0, 1, 0, 1]） 预测结果
计算准确率
accuracy = accuracy_score（test_labels, predicted_labels）
输出准确率
print（"准确率：", accuracy）
如果你使用的是深度学习模型，并且想要在训练过程中输出准确率，你可以使用类似的方法，但需要将 `test_labels` 和 `predicted_labels` 替换为你的模型在验证集上的实际标签和预测结果。