Colab使用TPU运行model.fit()报Unable to parse tensor proto错误

在Colab平台启用TPU算力开展模型训练时，执行model.fit()阶段触发运行异常，抛出的错误提示为：
InvalidArgumentError: Unable to parse tensor proto [Op:ComputeBatchSize]

• 最初根据报错关联BatchSize逻辑的特征，先后调整多组不同取值的batch size参数重新执行全流程，问题始终没有解决
• 检索公开渠道可获取的同特征报错参考资料极少，没有可直接复用的排障路径

整套训练数据流基于GCS存储的tfrecords文件搭建，核心实现步骤为：

• 用tf.io.gfile.glob匹配gs://diem-bucket/*.tfrecords路径下的所有tfrecords文件，生成训练文件列表
• 对生成的文件列表配置支持跨迭代重随机打乱的shuffle规则，设置shuffle的buffer_size值为匹配到的tfrecords文件总长度
• 通过interleave方法并行加载所有TFRecordDataset，配置cycle_length为tfrecords文件总长度、并行调用数设为tf.data.AUTOTUNE、关闭执行确定性以保证加载效率
• 加载得到的单条样本按batch size=8做批次拼接，配置预取缓存数为8，调用自定义的batch_parse_func对批次数据做并行解析处理

常规调整batch size的排障方式完全失效，需要针对ComputeBatchSize算子触发的该类报错，获取可落地的解决建议。

内容的提问来源于stack exchange，提问作者sealpuppy