如何将外部python库中的函数设置为Keras中的自定义损失函数？

Question

我最近开始使用python，更具体地说，是使用Keras开发机器学习应用程序。

我想用以下自定义损失函数训练一个人工神经网络，该函数使用pygmo库中给出的hypervolume：

def hypervolume_difference_loss(y_true, y_pred):  

    import numpy as np
    from pygmo import hypervolume

    ref_point = [1.0, 1.0]
    ref_PF = np.array(y_true) 
    out_PF = np.array(y_pred)  

    hv_d = np.empty(shape=y_true.shape[0], dtype=float)

    for i, (ref_point _i, out_PF _i) in enumerate(zip(ref_point , out_PF )):
        ref_hv_obj = hypervolume(points=ref_point .reshape(10, -1,order='F'))  
        out_hv_obj = hypervolume(points=ref_point .reshape(10, -1,order='F'))  
        ref_hv = ref_hv_obj.compute(ref_point )
        out_hv = out_hv_obj.compute(ref_point )
        hv_d[i] = abs(ref_hv - out_hv)

    return hv_d

根据Keras文档，自定义损失函数必须是tensorflow符号函数。我已经找到了几个例子(例如link)，展示了如何使用Keras后端函数来编写这样的符号函数，但我无法找到一种方法来编写可以使用外部库结果的符号函数。

我最近在这个link中发现了类似的问题，但没有提供任何解决方案。我能想到的唯一解决办法是用Keras后端表示重写超级卷函数。你能告诉我有没有更方便的方法吗？

我将非常感谢任何形式的帮助或建议。

提前谢谢你。