使用TensorFlow Transform的writeTransform函数报错：BeamDatasetMetadata无schema属性

我之前也碰到过这个一模一样的问题！咱们一步步拆解原因和解决办法：

这个错误基本是TensorFlow Transform（TFT）版本迭代导致的API变更，或者是元数据处理方式没适配新版本。在旧版TFT中，BeamDatasetMetadata确实有schema属性，但后续版本（大概0.28.x之后）官方调整了元数据结构，把这个属性移除了，换成了其他获取Schema的方式。另外也可能是你的预处理函数里直接调用了这个已被废弃的属性，没跟上API变化。

1. 适配TFT新版本的Schema获取方式 #

如果是升级了TFT，把代码里直接调用metadata.schema的地方替换成新的API：

# 旧代码（会报错）
old_schema = metadata.schema

# 新代码写法1：从Feature Spec生成Schema
from tensorflow_transform.tf_metadata import schema_utils
feature_spec = {
    # 你的特征定义，比如：
    "age": tf.io.FixedLenFeature([], tf.int64),
    "income": tf.io.FloatFeature([])
}
new_schema = schema_utils.schema_from_feature_spec(feature_spec)

# 新代码写法2：从现有Metadata对象获取Schema Proto
new_schema = metadata.schema_proto

2. 检查预处理函数中的元数据调用 #

仔细排查你的preprocessing_fn，有没有直接访问metadata.schema的逻辑。比如之前可能通过Metadata的Schema来动态获取特征信息，现在要改成用schema_proto或者提前定义好Feature Spec：

def preprocessing_fn(inputs):
    # 错误示例：调用了已废弃的属性
    # schema = inputs['metadata'].schema
    
    # 正确示例：改用schema_proto
    schema = inputs['metadata'].schema_proto
    # 或者直接用提前定义好的feature_spec，更稳妥
    feature_spec = {
        # 你的特征定义
    }
    # 后续处理逻辑...

3. 确保传入AnalyzeAndTransformDataset的元数据格式正确 #

新版本TFT要求传入的是DatasetMetadata对象，而不是旧的BeamDatasetMetadata，创建方式要调整：

from tensorflow_transform.tf_metadata import dataset_metadata, schema_utils

# 先定义特征规格
feature_spec = {
    # 你的特征定义
}
# 创建符合要求的DatasetMetadata
input_metadata = dataset_metadata.DatasetMetadata(
    schema_utils.schema_from_feature_spec(feature_spec)
)
# 再调用AnalyzeAndTransformDataset
train_transformed, train_metadata = tft.AnalyzeAndTransformDataset(
    train_data,
    preprocessing_fn,
    input_metadata=input_metadata
)

4. 版本兼容性排查 #

TFT和Apache Beam的版本绑定很严格，版本不匹配也会触发这类奇怪的属性错误：

• 用pip show tensorflow-transform和pip show apache-beam查看当前版本
• 对照TFT官方文档的版本依赖表，调整到匹配的版本（比如TFT 0.30.x需要Beam 2.30.x以上）

5. 清理旧缓存 #

如果之前生成过transform_fn目录，旧的缓存元数据可能和新版本冲突，删掉这个目录后重新运行变换逻辑试试。

内容的提问来源于stack exchange，提问作者gagan malhotra