Tensorflow 加载评估结果时，TFMA无法找到Keras模型的指标

我已经培训了一个具有以下服务签名的Keras模型（非估计器）：

signature_def['serving_default']:
  The given SavedModel SignatureDef contains the following input(s):
    inputs['examples'] tensor_info:
        dtype: DT_STRING
        shape: (-1)
        name: serving_default_examples:0
  The given SavedModel SignatureDef contains the following output(s):
    outputs['mu'] tensor_info:
        dtype: DT_FLOAT
        shape: (-1, 1)
        name: StatefulPartitionedCall_1:0
    outputs['sigma'] tensor_info:
        dtype: DT_FLOAT
        shape: (-1, 1)
        name: StatefulPartitionedCall_1:1
  Method name is: tensorflow/serving/predict

在将模型导出为

保存的模型之前，使用带有渐变带的自定义训练循环（而不是
model.fit
方法）更新权重。由于我无法在不首先编译模型的情况下让TFMA工作，因此我在编译模型的同时指定了一组自定义的Keras度量：

model.compile（metrics=custom_keras_metrics）#每个自定义指标都继承自keras.metric
自定义\u训练\u循环（模型）
model.save（“路径/到/保存的模型”，save\u format=“tf”）

我想使用TFMA评估此模型，因此我首先初始化一个eval共享模型，如下所示：

eval\u config=tfma.EvalConfig(
型号规格=[tfma.ModelSpec（label\u key=“my\u label\u key”）]，
切片规格=[tfma.SlicingSpec（）]#空切片指的是整个数据集
)
eval_shared_model=tfma。默认的_eval_shared_model（“路径/到/保存的_model”，eval_配置=eval_配置）

但是，当我尝试运行模型分析时：

eval\u结果=tfma.run\u模型\u分析(
评估共享模型=评估共享模型，
data_location=“path/to/test/tfrecords*”，
文件\u format=“tfrecords”
)

我面临以下错误：

ValueError回溯（最近一次调用）
在里面
2评估共享模型=评估共享模型，
3 data_location=“tfma/test_raw-*”，
---->4文件格式=“tfrecords”
5 )
~/.pyenv/versions/miniconda3-4.3.30/envs/tensorflow/lib/python3.7/site-packages/tensorflow\u model\u analysis/api/model\u eval\u lib.py in run\u model\u analysis（评估共享模型、评估配置、数据位置、文件格式、输出路径、提取器、求值器、写入器、管道选项、切片规格、写入配置、计算置信区间、最小切片大小、随机种子测试、模式）
1204
1205 if len（评估配置模型规格）1206返回加载评估结果（输出路径）
1207其他：
1208结果=[]
加载评估结果中的~/.pyenv/versions/miniconda3-4.3.30/envs/tensorflow/lib/python3.7/site-packages/tensorflow\u model\u analysis/api/model\u eval\u lib.py（输出路径、模型名称）
383度量\u和\u绘图\u序列化。加载\u和\u反序列化\u度量(
384 path=os.path.join（输出路径、常量、度量值、键），
-->385型号（名称=型号（名称））
386个绘图文件列表=(
387度量\u和\u图\u序列化。加载\u和\u反序列化\u图(
加载和反序列化度量（路径、模型名称）中的~/.pyenv/versions/miniconda3-4.3.30/envs/tensorflow/lib/python3.7/site-packages/tensorflow\u model\u analysis/writers/metrics\u和\u plots\u serialization.py
180 raise VALUERROR（'未能找到模型名称：%s的度量值。'
181“可用型号名称为[%s]”%
-->182（型号名称“，”。连接（键）））
183
184 result.append((
ValueError:找不到模型名称的度量值：无。可用模型名称为[]

为什么TFMA会引发此异常，我应该从何处开始调试此错误？我尝试手动指定模型名称（这不应该是必需的，因为我只使用一个模型），但这似乎也没有什么帮助。我尝试跟踪源代码，似乎在TFMA尝试加载ptTransform生成的eval结果时会发生这种情况

我正在使用
tensorflow==2.3.0
和
tensorflow模型分析==0.22.1
中的
TFMA
常见问题解答应该对您有所帮助。与
度量相关的链接是。谢谢！