我想对tensorflow_decision_forests进行评估BootedTreesModel（Ranking task）沿着训练步骤和我的自定义验证指标。在另一个tf keras模型中，我可以使用自定义ValidationSet类作为Callback对象的一部分来完成这一点，然后将其传递到.fit中，但对于PrestentBoostedTreesModel，到目前为止我还不能。我发现对于这个Tree模型，我的自定义指标的评估只在最后发生一次。这似乎与代码的工作方式一致：

callbacks: Callbacks triggered during the training. The training runs in a
        single epoch, itself run in a single step. Therefore, callback logic can
        be called equivalently before/after the fit function.

从https://github.com/tensorflow/decision-forests/blob/main/tensorflow_decision_forests/keras/core.py#L1180。
如果任何人有一些变通方法来手动记录验证指标或对此有任何建议，那将非常感谢。谢谢！
我尝试的是：
我尝试过.make_inspector（），但据我所知，它是硬编码的，只记录ndcg（和损失，这是ndcg的负数）
我尝试多次训练模型，希望在每次训练结束时进行评估作为解决方案。然而，每次新的训练都会从头开始重新启动模型（日志显示它再次编译，即使我已经编译了它），这与其他keras模型不同，.fit从训练的模型继续。