Функция внешних потерь в Tensorflow

У меня есть простая двухуровневая NN с плотной структурой, которую я хочу использовать регрессионную модель для вычисления 4-х заданных характеристик ~ 700 изображения. К сожалению, у меня нет элементов наземной истины, поэтому я использую настраиваемую функцию потерь. Вот источник функции:

def loss_function(logits, img, g, compare_img):

    final_img = img_pipeline(vga_8b=img, g=g%external color gamma function%)

    with tf.name_scope('Loss'):
        loss = score(gt_image=compare_img, curr_img=final_img)
        return loss

Где logits - это 4 текущих оцененных числа, g - это просто интерполированная функция, используемая в качестве цветовой гаммы для изображения, img - внешнее изображение в градациях серого, используемое для генерации изображения окончательного результата, используемого для функции score. compare_img не является эталонным изображением, это некоторые статистические значения (kept in python dict), используемые в функции оценки для оценки текущего созданного изображения. К сожалению, я не могу кормить g и compare_img, поскольку они являются функцией Python и словарем Python, которые нельзя преобразовать в тензоры.

Есть ли способ как-то его взломать и добиться желаемого результата?

Заранее спасибо!