Keras加载模型报错NameError: name 'K' is not defined解决方法

• 执行Keras模型加载代码时触发运行时错误：

mpiotte_model = keras.models.load_model('./metadata/mpiotte-standard.model')

• 核心报错信息：

NameError: Exception encountered when calling layer "lambda_3" (type Lambda).
name 'K' is not defined

• 前置操作：已在代码中添加from keras import backend as K语句且确认导入成功，运行环境为Google Colab，问题仍未解决。

Keras的Lambda层序列化存储时，不会自动保存层逻辑依赖的外部模块引用、全局变量。加载模型时，Lambda层的逻辑在独立作用域执行，无法识别当前运行环境全局导入的K对象，因此抛出名称未定义的错误。
另外Colab环境下如果混用独立安装的keras库和TensorFlow内置的tensorflow.keras，会因为模块路径不匹配加剧这类加载问题。

1. 统一Keras导入来源，优先使用Colab预装TensorFlow内置的Keras，避免版本混用：

import tensorflow as tf
# 用tf.keras的backend，和后续加载模型的模块保持同源
K = tf.keras.backend

2. 加载模型时通过custom_objects参数，显式把Lambda层依赖的K传入加载器作用域：

mpiotte_model = tf.keras.models.load_model(
    './metadata/mpiotte-standard.model',
    custom_objects={'K': K}
)

如果执行后仍提示其他名称未定义的错误，把对应缺失的对象按'对象名': 对象的格式补充到custom_objects字典里即可。

内容的提问来源于stack exchange，提问作者svoruganti