问题描述:在使用Keras里的UpSampling2D层时发现它竟然不是我想象中的双线性内插,而是简单的重复图像。(这里使用的是Keras而不是tf.keras,使用时尽量不要两者混用)。在使用Lambda层包tf.image.resize_images后实现想要的双线性上采样,训练没有问题,但是在预测加载模型的时候报错:name 'tf' is not defined。
自定义的上采样操作如下:
def my_upsampling(x,img_w,img_h,method=0):
"""0:双线性差值。1:最近邻居法。2:双三次插值法。3:面积插值法"""
return tf.image.resize_images(x,(img_w,img_h),0)
调用如下:
Lambda(my_upsampling,arguments={'img_w':self.img_w,'img_h':self.img_h})(output_6)
训练正常,保存模型正常。但是在使用keras.models.load_model是出错,提示name 'tf' is not defined。
*******************************************************************分割线***************************************************************
网上搜解决方案,大致有两个。
第一个是:
model = keras.models.load_model('my_model.h5', custom_objects={'tf': tf})
正好解决了我的问题,具体原因请参照keras官方文档:如何自定义层---keras
第二个是:
在定义my_sampling里面,加一行:import tensorflow as tf
但是并没有解决我的问题
参考链接:
https://stackoverflow.com/questions/54347963/tf-is-not-defined-on-load-model-using-lambda