name 'tf' is not defined的解决方案--------在Lambda层使用tf函数（基于keras）

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