调用tfma.EvalConfig报属性缺失、proto模块不存在如何解决

使用TensorFlow Model Analysis（TFMA）为自定义目标检测模型计算模型指标时，触发报错：
AttributeError: module 'tensorflow_model_analysis' has no attribute 'EvalConfig'
已按官方文档指引完成库安装，未定位问题成因。尝试添加导入语句from tfx.components.evaluator.component import Evaluator排查问题时，持续触发报错：

No module named 'proto'

问题复现代码如下：

import tensorflow_model_analysis as tfma
from google.protobuf import text_format

eval_config = tfma.EvalConfig(
      model_specs = [tfma.ModelSpec(signature_name = "serving_default")],
      slicing_specs = [tfma.SlicingSpec()],
      metrics_specs = [tfma.MetricsSpec(metrics = 
                [
                  tfma.MetricConfig(class_name = "ExampleCount"),
                  tfma.MetricConfig(class_name = "SparseCategoricalCrossentropy"),
                  tfma.MetricConfig(class_name = "SparseCategoricalAccuracy"),
                  tfma.MetricConfig(class_name = "Precision"),
                  tfma.MetricConfig(class_name = "Recall"),
                  tfma.MetricConfig(class_name = "AUC"),
                  tfma.MetricConfig(class_name = "F1Score"),
                  tfma.MetricConfig(class_name = "MultiClassConfusionMatrixPlot")
                                                 
                ]
    )
  ]

)

• tfma.EvalConfig找不到的核心原因是安装的TFMA版本过低：该API从TFMA 0.21版本开始才挂载到模块顶层，低于该版本的TFMA无法直接通过tfma.EvalConfig调用。
• 导入Evaluator时触发的No module named 'proto'报错，是TFX、TFMA、protobuf三者版本不匹配导致的依赖冲突，单独导入Evaluator本身对解决第一个报错没有任何作用。

按以下步骤操作即可解决：

1. 先清理环境中存在版本冲突的相关包，执行命令：

   pip uninstall -y tensorflow-model-analysis tfx tensorflow-data-validation protobuf
   

2. 安装版本适配的稳定版TFMA，无需单独安装完整TFX包：

   pip install tensorflow-model-analysis>=0.43.0
   

   注意：TFMA版本必须和当前环境的TensorFlow版本匹配，例如TensorFlow 2.11对应TFMA 0.43版本、TensorFlow 2.12对应TFMA 0.44版本，版本错配仍会出现API找不到、运行异常等问题。
3. 安装完成后验证API可用性，在Python环境执行以下代码，返回True即说明安装正常：

   import tensorflow_model_analysis as tfma
   print(hasattr(tfma, 'EvalConfig'))
   

4. 移除之前添加的Evaluator导入语句，直接运行原有的EvalConfig初始化代码即可正常运行。

额外提示：当前配置的SparseCategoricalCrossentropy、SparseCategoricalAccuracy等指标均为普通分类任务指标，无法直接计算目标检测任务需要的mAP、检测框召回率等专属指标，后续需要针对检测任务的输出格式自定义对应指标计算逻辑。

内容的提问来源于stack exchange，提问作者court_an