自作画像分類器の精度をグラフ化したい

https://techblog.nhn-techorus.com/archives/8349

上記のサイトの一番下にあるグラフ(下記画像)

このグラフをmatplotlibで実装しようと思っているのですが、初学者故検索してもなかなかわからないので、このようなグラフを表示したいときはどのようにコードを書いていけばよいか教えていただきたいです。

使用しているPCは
MacBook Pro (13-inch, 2019, Two Thunderbolt 3 ports)
プロセッサ　1.4 GHz クアッドコアIntel Core i5
メモリ 8 GB 2133 MHz LPDDR3

環境は
vs code
python3.7.6
tensorflow1.14.0

です。

画像分類器はサイトを参考に作りました。コードは下記参照

from keras.layers import Conv2D, MaxPooling2D
from keras.layers import Dense, Dropout, Flatten
from keras.models import Sequential
import keras
from sklearn.model_selection import train_test_split
from keras.preprocessing import image
import numpy as np
import tensorflow as tf
import random as rn
import os
from keras import backend as K
import matplotlib.pyplot as plt

os.environ['PYTHONHASHSEED'] = '0'
np.random.seed(0)
rn.seed(0)
session_conf = tf.compat.v1.ConfigProto(
    intra_op_parallelism_threads=1, inter_op_parallelism_threads=1)
tf.set_random_seed(0)
sess = tf.Session(graph=tf.get_default_graph(), config=session_conf)
K.set_session(sess)
sess = tf.Session(config=tf.ConfigProto(device_count={'GPU': 0}))

input_shape = (224, 224, 3)
batch_size = 128
epochs = 100
num_classes = 2
x = []
y = []
for f in os.listdir("sakura"):
    if f == ".DS_Store":
        continue
    x.append(image.img_to_array(image.load_img(
        "sakura/"+f, target_size=input_shape[:2])))
    y.append(0)
for f in os.listdir("cosmos"):
    if f == ".DS_Store":
        continue
    x.append(image.img_to_array(image.load_img(
        "cosmos/"+f, target_size=input_shape[:2])))
    y.append(1)

x = np.asarray(x)
x /= 255
y = np.asarray(y)
y = keras.utils.to_categorical(y, num_classes)
x_train, x_test, y_train, y_test = train_test_split(
    x, y, test_size=0.33, random_state=3)

model = Sequential()
model.add(Conv2D(32, kernel_size=(3, 3),
                 activation='relu',
                 input_shape=input_shape))
model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(num_classes, activation='softmax'))
model.compile(loss=keras.losses.categorical_crossentropy,
              optimizer="SGD",
              metrics=['accuracy'])
history = model.fit(x_train, y_train,
                    batch_size=batch_size,
                    epochs=epochs,
                    verbose=1,
                    validation_data=(x_test, y_test))