Keras(TensorFlow)反序列化模型报错：name 'array_ops'未定义

嘿，这个坑我之前在TF 1.x版本里踩过！你遇到的NameError: name 'array_ops' is not defined问题，本质是旧版本TensorFlow的Keras后端内部实现的小bug，加上Lambda层反序列化时的上下文依赖问题导致的。

问题根源 #

你用Keras Lambda包装的expand_dims调用，其实底层调用了TensorFlow的array_ops.expand_dims，但在你使用的TF版本（对应Python3.6的TF 1.x系列）里，Keras后端的expand_dims函数内部没有正确导入array_ops模块，当模型反序列化时，Lambda层的执行上下文找不到这个命名空间，就抛出了错误。

具体解决方案 #

这里给你两个靠谱的解决办法，按优先级推荐：

1. 替换为TensorFlow原生的tf.expand_dims（最推荐）

不要用Keras后端的K.expand_dims，直接调用TF的原生函数，这样能绕开Keras后端的内部依赖问题。修改你的Lambda层代码如下：

import tensorflow as tf
from keras.layers import Lambda

# 原来的错误写法（依赖Keras后端）
# expand_layer = Lambda(lambda x: K.expand_dims(x, axis=-1))

# 修改后的正确写法
expand_layer = Lambda(lambda x: tf.expand_dims(x, axis=-1))

这样修改后，模型序列化和反序列化时，Lambda层的代码会直接引用全局的tf模块，不会出现命名空间找不到的问题。

2. 显式导入array_ops模块（hack但有效）

如果你一定要保留Keras后端的调用方式，可以在定义Lambda层的代码里显式导入array_ops，确保反序列化时上下文能找到它：

from keras.layers import Lambda
import keras.backend as K
from tensorflow.python.ops import array_ops  # 显式导入array_ops模块

expand_layer = Lambda(lambda x: K.expand_dims(x, axis=-1))

这个方法是强制把array_ops引入全局作用域，让Keras后端的函数能找到它，但不如第一种方法简洁。

3. 确保训练和加载模型的环境版本一致

另外要注意：训练模型时用的TensorFlow/Keras版本，要和加载模型时的版本完全匹配。版本不兼容也会导致这类奇怪的序列化/反序列化错误，比如你用TF 1.13训练，却用TF 1.15加载，就可能出现依赖问题。

内容的提问来源于stack exchange，提问作者stuart