我创建了一个变体自动编码器模型。为了进行采样，我创建了以下方法：
from keras import backend as k
def sampling(args):
z_mean , z_log_var=args
batch=k.shape(z_mean)[0]
dim=k.int_shape(z_mean)[1]
epsilon=k.random_normal(shape=(batch,dim))
return z_mean + k.exp(0.5 * z_log_var) * epsilon
这是模型架构：
def create_variationalModel(original_dim):
input_shape=(original_dim,)
intermidiate_dim=58
batch_size=10
latent_dim=3
epochs=100
inputs=Input(shape=input_shape,name="encoder_input")
x= Dense(units=original_dim,activation="tanh")(inputs)
x= Dense(units=int(original_dim/2),activation="tanh")(x)
x1= Dense(units=int(original_dim/4),activation="tanh")(x)
x2= Dense(units=int(original_dim/8),activation="tanh")(x1)
x3= Dense(units=10,activation="tanh")(x2)
z_mean=Dense(latent_dim,name="z_mean")(x3)
z_log_var=Dense(latent_dim,name="z_log_var")(x3)
z=Lambda(sampling,output_shape=(latent_dim,),name="z")([z_mean,z_log_var])
encoder=Model(inputs,[z_mean,z_log_var,z],name="encoder")
encoder.summary()
latent_inputs=Input(shape=(latent_dim,),name="z_sampling")
x= Dense(units=10,activation="tanh")(latent_inputs)
x1=Dense(units=int(original_dim/8),activation="tanh")(x)
x2=Dense(units=int(original_dim/4),activation="tanh")(x1)
x3=Dense(units=int(original_dim/2),activation="tanh")(x2)
x3=Dense(units=original_dim,activation="tanh")(x3)
outputs=Dense(units=original_dim,activation="sigmoid")(x3)
decoder=Model(latent_inputs,outputs,name="decoder")
decoder.summary()
outputs=decoder(encoder(inputs)[2])
vae = Model(inputs,outputs,name="vae_mlp")
reconstruction_loss=mse(inputs,outputs)
reconstruction_loss*=original_dim
kl_loss = 1 + z_log_var -k.square(z_mean) - k.exp(z_log_var)
kl_loss=k.sum(kl_loss,axis=-1)
kl_loss*=-0.5
vae_loss=k.mean(reconstruction_loss+kl_loss)
vae.add_loss(vae_loss)
plot_model(vae,to_file='vae.png',show_shapes=True)
vae.compile(optimizer=RMSprop(),loss="mean_squared_error",metrics=["mae"])
return vae
训练模型并进行测试之后，我决定像这样保存它：
vae.save("./models/vae.h5")
但是当我尝试像这样加载模型时：
model = load_model("./models/vae.h5")
我有这个问题：
--------------------------------------------------- ---------------------------- NameError追溯（最近的呼叫 最后） 1＃负载模型 ----> 2个模型= load_model（“ ./ models / vae.h5”） 3＃总结模型。 4 model.summary（） 5，其中open（“ ./ models / LabelEncoders_dic.pickle”，“ rb”）为f：
〜/ anaconda3 / envs / myenv / lib / python3.8 / site-packages / keras / engine / saving.py 在load_wrapper（* args，** kwargs）中 490 os.remove（tmp_filepath） 491返回res -> 492 return load_function（* args，** kwargs） 493 494返回load_wrapper
〜/ anaconda3 / envs / myenv / lib / python3.8 / site-packages / keras / engine / saving.py 在load_model（文件路径，custom_objects，编译） 582如果H5Dict.is_supported_type（filepath）： 583，H5Dict（filepath，mode ='r'）为h5dict： -> 584模型= _deserialize_model（h5dict，custom_objects，编译） 第585章（1） 586 def load_function（h5file）：
〜/ anaconda3 / envs / myenv / lib / python3.8 / site-packages / keras / engine / saving.py 在_deserialize_model中（h5dict，custom_objects，编译） 272提高ValueError（'在配置中找不到模型。'） 273模型_配置= json.loads（模型_配置。解码（'utf-8'）） -> 274模型= model_from_config（model_config，custom_objects = custom_objects） 275 model_weights_group = h5dict ['model_weights'] 276
〜/ anaconda3 / envs / myenv / lib / python3.8 / site-packages / keras / engine / saving.py 在model_from_config（config，custom_objects）中 625'
Sequential.from_config(config)？'） 626从..layers导入反序列化 -> 627返回反序列化（config，custom_objects = custom_objects） 628 629〜/ anaconda3 / envs / myenv / lib / python3.8 / site-packages / keras / layers / init .py 在反序列化（config，custom_objects）中 163个globs ['Model'] = models.Model 164个globs ['Sequential'] =模型。Sequential -> 165 return deserialize_keras_object（config， 166 module_objects = globs， 167 custom_objects = custom_objects，
〜/ anaconda3 / envs / myenv / lib / python3.8 / site-packages / keras / utils / generic_utils.py 在deserialize_keras_object（identifier，module_objects， custom_objects，printable_module_name） 142 custom_objects = custom_objects或{} 143如果has_arg（cls.from_config，'custom_objects'）： -> 144返回cls.from_config（ 145 config ['config']， 146 custom_objects = dict（list（_GLOBAL_CUSTOM_OBJECTS.items（））+
〜/ anaconda3 / envs / myenv / lib / python3.8 / site-packages / keras / engine / network.py in from_config（cls，config，custom_objects）1054＃首先， 我们创建所有图层并排队处理1055个节点
对于config ['layers']中的layer_data： -> 1056 process_layer（layer_data）1057 1058＃然后，我们按照层深度的顺序处理节点。〜/ anaconda3 / envs / myenv / lib / python3.8 / site-packages / keras / engine / network.py 在..layers导入的process_layer（layer_data）1039中 反序列化为deserialize_layer 1040 -> 1041层=反序列化图层（layer_data，1042 custom_objects = custom_objects）1043
created_layers [layer_name] =图层〜/ anaconda3 / envs / myenv / lib / python3.8 / site-packages / keras / layers / init .py 在反序列化（config，custom_objects）中 163个globs ['Model'] = models.Model 164个globs ['Sequential'] =模型。Sequential -> 165 return deserialize_keras_object（config， 166 module_objects = globs， 167 custom_objects = custom_objects，
〜/ anaconda3 / envs / myenv / lib / python3.8 / site-packages / keras / utils / generic_utils.py 在deserialize_keras_object（identifier，module_objects， custom_objects，printable_module_name） 142 custom_objects = custom_objects或{} 143如果has_arg（cls.from_config，'custom_objects'）： -> 144返回cls.from_config（ 145 config ['config']， 146 custom_objects = dict（list（_GLOBAL_CUSTOM_OBJECTS.items（））+
〜/ anaconda3 / envs / myenv / lib / python3.8 / site-packages / keras / engine / network.py 在from_config（cls，config，custom_objects）中1073
node_data = node_data_list [node_index] 1074
尝试： -> 1075 process_node（layer，node_data）1076 1077＃如果节点没有全部 入站层〜/ anaconda3 / envs / myenv / lib / python3.8 / site-packages / keras / engine / network.py 在process_node（layer，node_data）1023＃中并进行构建 该图层（如果需要）。如果输入张量为1024，则： -> 1025层（unpack_singleton（input_tensors），** kwargs）1026 1027 def process_layer（layer_data）：
〜/ anaconda3 / envs / myenv / lib / python3.8 / site-packages / keras / backend / tensorflow_backend.py 在symbolic_fn_wrapper（* args，** kwargs）中 73如果_SYMBOLIC_SCOPE.value： 74与get_graph（）。as_default（）： ---> 75 return func（* args，** kwargs） 其他76个： 77 return func（* args，** kwargs）
〜/ anaconda3 / envs / myenv / lib / python3.8 / site-packages / keras / engine / base_layer.py 在通话中（自己，输入内容，**） 487＃实际调用该图层， 488＃收集输出，蒙版和形状。 -> 489输出= self.call（输入，** kwargs） （490）第490章 491
〜/ anaconda3 / envs / myenv / lib / python3.8 / site-packages / keras / layers / core.py 通话中（自己，输入，掩码） 714其他： 715 self._input_dtypes = K.dtype（输入） -> 716返回self.function（inputs，** arguments） 717 718 def compute_mask（self，input，mask = None）：
〜/ anaconda3 / envs / myenv / lib / python3.8 / site-packages / keras / layers / core.py 在采样（参数）
NameError：名称“ k”未定义
K 来自keras导入后端的 k 。即使您添加此导入，我也有同样的错误。有人知道如何解决此问题吗？