我将ML模型应用于实验设置，以优化驱动信号。驱动信号本身就是最优化的东西，但是其质量是间接评估的（将其应用于实验装置以产生不同的信号）。
我可以通过python中的函数运行并从实验中收集数据。
我想使用自定义损失函数建立ML模型，该函数使用优化的信号调用实验驱动程序函数，以获取用于反向传播的误差。
我已经研究过使用keras，但是必须专门使用keras后端函数的限制意味着我无法在该函数中调用驱动程序函数。
我想知道是否可以在没有keras前端的情况下使用张量流以及是否有其他ML API允许这样做吗？
谢谢。