Kerasを用いたmnistでのノイズ除去コード内のplot,history

前提・実現したいこと

Kerasを用いたノイズ除去を行いたく、あるサイトに載っているコードを参考にしています。
発生しているエラーの原因、改善方法を知りたいです。
https://gangannikki.hatenadiary.jp/entry/2019/01/19/000000
こちらのサイトです。

発生している問題・エラーメッセージ

最後の行に関するエラー
Undefined variable 'plot_history'

該当のソースコード

ptyhon
1import numpy as np
2import matplotlib.pyplot as plt
3from keras.datasets import mnist
4from keras.layers import Input, Conv2D, MaxPooling2D, UpSampling2D, BatchNormalization, Activation
5from keras.models import Model, load_model
6from keras.utils import plot_model
7from keras.callbacks import CSVLogger, EarlyStopping, TensorBoard, ModelCheckpoint
8
9#  データのロード・分割
10(x_train, y_train), (x_test, y_test) = mnist.load_data()	#  (60000, 28, 28), (10000, 28, 28)
11x_train = x_train.astype('float32') / 255.
12x_test = x_test.astype('float32') / 255.
13x_train = np.reshape( x_train, (len(x_train), 28, 28, 1) )	#  (使用数,チャネル数,x,y)=(60000, 1, 28, 28)
14x_test = np.reshape( x_test, (len(x_test), 28, 28, 1) )
15
16"""
17	ノイズの付与
18"""	
19noise_factor = 0.5
20	
21#  平均0、標準偏差1の正規分布
22x_train_noisy = x_train + noise_factor * np.random.normal( loc=0., scale=1., size=x_train.shape )
23x_test_noisy = x_test + noise_factor * np.random.normal( loc=0., scale=1., size=x_test.shape )
24	
25x_train_noisy = np.clip( x_train_noisy, 0., 1. )
26x_test_noisy = np.clip( x_test_noisy, 0., 1. )
27
28"""
29	モデルの生成、学習
30"""
31def model( x_train_noisy, x_train, x_test_noisy, x_test ):
32        #  28×28、グレースケール
33	input_img = Input( shape=( 28, 28, 1) )		
34
35	#  Encode_Conv1
36	x = Conv2D( 32, (3, 3), padding='same', activation='relu' )(input_img)
37	x = MaxPooling2D( ( 2, 2), padding='same' )(x)
38	#  Encode_Conv2
39	x = Conv2D( 32, (3, 3), padding='same', activation='relu' )(x)
40	encoded = MaxPooling2D( ( 2, 2), padding='same' )(x)
41	
42	#  Decode_Conv1
43	x = Conv2D( 32, (3, 3), padding='same', activation='relu' )(encoded)
44	x = UpSampling2D(( 2, 2))(x)
45	#  Decode_Conv2
46	x = Conv2D( 32, (3, 3), padding='same', activation='relu' )(x)
47	x = UpSampling2D(( 2, 2))(x)
48	decoded = Conv2D( 1, (3, 3), padding='same', activation='sigmoid' )(x)
49	
50	autoencoder = Model( input_img, decoded )
51	autoencoder.compile( optimizer='adam',
52			     loss='binary_crossentropy',
53			     metrics=["accuracy"] )
54	
55	#  アーキテクチャの可視化
56	autoencoder.summary()	#  ディスプレイ上に表示
57	plot_model( autoencoder, to_file="architecture.png")
58	
59		#	モデルの学習
60	epochs = 10
61	batch_size = 128
62	tensor_board = TensorBoard( "./logs", histogram_freq=0, write_graph=True, write_images=True )	
63
64	history = autoencoder.fit( x_train_noisy, x_train,
65			           epochs=epochs,
66			           batch_size=batch_size,
67			           shuffle=True,
68			           validation_data=(x_test_noisy,x_test),
69			           callbacks=[ tensor_board ] )
70
71	#  学習のグラフ化
72	plot_history( history, epochs )