TensorFlow Addons中RSquare触发TypeError的解决求助

问题说明 #

在Google Colab构建单隐藏层回归模型时，调用tfa.metrics.RSquare()会触发TypeError: isinstance() arg 2 must be a type or tuple of types，即使运行TensorFlow官方提供的RSquare示例代码，也会出现相同错误。

解决方案 #

1. 修复版本兼容性问题 #

该错误核心是TensorFlow Addons（TFA）与当前TensorFlow/Keras版本不匹配，导致类型注解校验失败。

• 执行以下命令卸载现有TFA并安装兼容版本（以适配TF 2.x的0.20.0版本为例）：

!pip uninstall -y tensorflow-addons
!pip install tensorflow-addons==0.20.0

• 执行完成后，重启Colab运行时（点击顶部菜单栏Runtime -> Restart runtime），再重新运行模型代码或官方示例即可正常工作。

2. 自定义RSquare指标（无依赖替代方案） #

若不想调整版本，可自行实现RSquare指标，完全规避TFA的问题代码：

import tensorflow as tf

class RSquare(tf.keras.metrics.Metric):
    def __init__(self, name='r_square', **kwargs):
        super().__init__(name=name, **kwargs)
        self.total_sum_of_squares = self.add_weight(name='tss', initializer='zeros')
        self.residual_sum_of_squares = self.add_weight(name='rss', initializer='zeros')

    def update_state(self, y_true, y_pred, sample_weight=None):
        y_true = tf.cast(y_true, tf.float32)
        y_pred = tf.cast(y_pred, tf.float32)
        
        mean_true = tf.reduce_mean(y_true)
        tss = tf.reduce_sum(tf.square(y_true - mean_true))
        rss = tf.reduce_sum(tf.square(y_true - y_pred))
        
        if sample_weight is not None:
            sample_weight = tf.cast(sample_weight, tf.float32)
            tss = tf.reduce_sum(sample_weight * tf.square(y_true - mean_true))
            rss = tf.reduce_sum(sample_weight * tf.square(y_true - y_pred))
        
        self.total_sum_of_squares.assign_add(tss)
        self.residual_sum_of_squares.assign_add(rss)

    def result(self):
        return 1 - (self.residual_sum_of_squares / self.total_sum_of_squares)

    def reset_state(self):
        self.total_sum_of_squares.assign(0.0)
        self.residual_sum_of_squares.assign(0.0)

在模型编译时使用该自定义指标：

# 替换原有metrics参数
onelayer.compile(loss=lossfunc, optimizer=optimizer, metrics=[RSquare()])

方法对比 #

• 版本修复：操作简洁，完全复用TFA官方实现，但需注意版本匹配。
• 自定义指标：无需依赖第三方库，灵活性高，适合需要长期稳定运行的场景。

内容的提问来源于stack exchange，提问作者Nima Zamanpour