我正在使用 Tensorflow/Keras 2.4.1，并且有一个（无监督的）自定义指标，它将我的几个模型输入作为参数，例如：
model = build_model() # returns a tf.keras.Model object
my_metric = custom_metric(model.output, model.input[0], model.input[1])
model.add_metric(my_metric)
[...]
model.fit([...]) # training with fit
然而，它恰好custom_metric非常昂贵，所以我希望仅在验证期间计算它。我找到了这个答案，但我几乎不明白如何使解决方案适应我的指标，该指标使用多个模型输入作为参数，因为该update_state方法似乎并不灵活。
在我的上下文中，除了编写我自己的训练循环之外，是否有办法避免在训练期间计算我的指标？另外，我很惊讶我们无法本机指定 Tensorflow 某些指标只能在验证时计算，这有什么原因吗？
此外，由于模型经过训练来优化损失，并且训练数据集不应用于评估模型，我什至不明白为什么默认情况下 Tensorflow 在训练期间计算指标。