我正在尝试使用Keras实现前馈神经网络，以细化一些图像。神经网络本身是更大模型的一部分
refined_image = (I + (I - S * T) * N) * input_image
其中I是单位矩阵，N是神经网络，T是存储在.npz文件中的巨大CSR矩阵（通过scipy.sparse.save_npz ），并且S将截短的SVD U * Sigma * V应用于T的图像，其中U，V，Sigma存储在{{1 }}文件（通过.npy）。
是否可以在TensorFlow中实现损失函数numpy.save？