在计算最终损失之前，如何在外部计算发生器的损失？

Question

让我们假设我想训练一个生成网络。该网络应基于两个损耗函数进行反向传播。第二个（input_XB）是仅使用MSE的图像（A -> A'）的变换损失。例如，如果是两个图像之间HSV色相通道的距离（差值A（色相）/ A'（色相））或完全不同，则第一个损失应该是其他损失。在计算损失之前，我需要使用OpenCV对生成器（g_model_1）输出进行外部预处理。

我该如何实现？我认为将TensorFlow与渐变磁带和低级API一起使用可能会帮助我。但是有什么捷径可走，因为我的方法不能构建适当的图形，因为我没有在生成器模型上传递所有输入。

def define_composite_model_B(g_model_1, image_shape,image_shape2):

  g_model_1.trainable = True

  # discriminator outsorced
  input_A = Input(shape=image_shape2)


  # transformation loss
  input_XB = Input(shape=image_shape)
  B_fake=g_model_1(input_XB)


  model = Model([input_A,input_XB],[input_A,B_fake])

  opt = Adam(lr=0.0002, beta_1=0.5)

  model.compile(loss=['binary_crossentropy','mse'], optimizer=opt)
  model.summary()
  return model