GCP为已有模型添加评估遇InvalidArgument:400指标格式错误求助

问题根源 #

你遇到的InvalidArgument: 400 Invalid Metrics format错误，核心原因是直接将Python字典传入gapic.ModelEvaluation的metrics字段，而GCP API要求该字段必须是**google.protobuf.Struct类型**，而非普通字典。此外，指标Schema对字段结构有严格匹配要求，需按规范构造。

修复步骤 #

1. 导入Protobuf Struct模块 #

首先引入google.protobuf.struct_pb2模块，用于构造符合API要求的Struct对象：

from google.protobuf import struct_pb2

2. 将指标字典转换为Struct类型 #

把原始的指标字典转换为Protobuf Struct格式，替代直接传入普通字典：

# 定义指标字典
metrics_dict = {
    "classificationMetrics": {
        "auPrc": 0.88,
        "logLoss": 0.66
    }
}

# 转换为Protobuf Struct对象
metrics_struct = struct_pb2.Struct()
metrics_struct.update(metrics_dict)

3. 正确初始化ModelEvaluation对象 #

使用转换后的Struct对象作为metrics参数的值：

model_eval = gapic.ModelEvaluation(
    display_name="eval",
    metrics_schema_uri="gs://google-cloud-aiplatform/schema/modelevaluation/classification_metrics_1.0.0.yaml",
    metrics=metrics_struct
)

4. 完整修复后的代码 #

from google.cloud.aiplatform import gapic
from google.cloud import aiplatform
from google.protobuf import struct_pb2

# 构造指标并转换为Protobuf Struct
metrics_dict = {
    "classificationMetrics": {
        "auPrc": 0.88,
        "logLoss": 0.66
    }
}
metrics_struct = struct_pb2.Struct()
metrics_struct.update(metrics_dict)

# 初始化模型评估对象
model_eval = gapic.ModelEvaluation(
    display_name="eval",
    metrics_schema_uri="gs://google-cloud-aiplatform/schema/modelevaluation/classification_metrics_1.0.0.yaml",
    metrics=metrics_struct
)

# 设置API客户端
API_ENDPOINT = "us-central1-aiplatform.googleapis.com"
client = gapic.ModelServiceClient(client_options={"api_endpoint": API_ENDPOINT})

# 导入模型评估
client.import_model_evaluation(parent=model.resource_name, model_evaluation=model_eval)

额外检查点 #

• 确认model.resource_name是有效的模型资源路径（格式示例：projects/{PROJECT_ID}/locations/{LOCATION}/models/{MODEL_ID}）
• 若仍报错，可核对分类指标Schema的完整要求，确保未遗漏必填字段（例如部分场景下可能需要confusionMatrix或precisionRecallCurve等字段）

内容的提问来源于stack exchange，提问作者Sai Shashank