我意识到我要问的内容可能无法实现，但是我想尝试一下。 我正在构建一个NN分类器，并想使用一个自定义损失函数，该函数涉及使用多个库和numpy函数完成的复杂计算。一个非常简单（天真）的尝试是：
def custom_loss(y_true, y_pred):
return compute_loss(y_pred, some_feature)
其中compute_loss是为我提供所需数量的函数（这还取决于训练过程中未提供给NN的其他功能）。
TensorFlow使用此方法抱怨张量不具有compute_loss中使用的某些属性。在返回值前加上tf.constant无济于事。最明显的方法（至少对我而言）是将compute_loss中的每个操作转换为tf函数，但这会花费一些时间，并且容易出错。所以我的问题是：
是否有一种方法（除了将函数中的所有内容转换为tf函数之外），可以使用不对张量进行运算的自定义损失函数？
如何根据模型或训练数据中不存在的数量创建损失函数？我已经看到了用于此功能的Lambda图层，但我不确定如何确定细节
感谢您的帮助，如果问题不清楚，我深表歉意