我想训练一个函数，它给定关于图像的元数据，为在图像上运行的算法生成超参数。

我的理解是（请原谅我，我是这里的新手）神经网络适合这个目的。

我想训练一个功能：

def myHyperParameterFunction(a,b,c,...):
  return (one,two,three,...)

（这是一个以 开头keras.layers.InputLayer(input_shape=(n,))和结尾的神经网络keras.layers.Dense(m)）

它为另一种算法生成超参数：

def myAlgorithm(image, (one,two,three,...)):
  return newImage

通过使用myAlgorithm成本函数可以形成：

def lossFunction(true_image, image, (one,two,three,...)):
  return true_image-myAlgorithm(image, (one,two,three,...)) 

查看tensorflow 文档，似乎我只能根据 2 个变量y_true和定义损失函数y_pred，这似乎使这不可能。可能我可以通过作为包含s 和s 的y_true数组的索引来解决这个问题，但这感觉是一个相当尴尬的解决方案（特别是对象类型不能，所以我不能将两个图像都打包进去）。imagetrue_imagey_truenumpy.ndarray

总而言之，问题似乎在于计算损失需要一个额外的外部值（即image， where y_predis(one,two,three,...)和y_trueis true_image）。我不受 tensorflow 约束，任何有助于我感兴趣的工具或框架。

我怎么能解决这个问题？