我正在处理一个回归问题，以重构信息来减轻邻居传感器的串扰效应，我想更改损耗函数，以便在自定义损耗函数的中间步骤中评估标准差。
下面是我想要实现的代码：
我的y_pred作为形状(nEvents, 100)
我发现了许多例子来创建我的损失函数如下：

import backend as K
def my_loss_func1(y_true, y_pred):
    return K.mean(K.square(y_pred - y_actual) + K.square(layer), axis=-1)

但在这些示例中，我没有找到如何访问y_pred（TensorFlow变量）内部的数据。在所有示例中，它只是使用后端的一个函数来计算损耗，并将y_pred、y_true作为参数传递。
我需要做的是：

def my_loss_func2(y_true, y_pred):
    samples = y_pred( <HOW DO TO GET THE VALUES?> )
    cells   = int(samples.shape[1]/4)

    AmpRec  = np.tensordot(samples.reshape(samples.shape[0], signals, nSamp),ai, axes=(2,0))
    TimeRec = np.tensordot(samples.reshape(samples.shape[0], signals, nSamp),ai, axes=(2,0))/AmpRec
    
    return K.std(TimeRec)

我想改进和更新我的模型以调整权重，同时考虑与timeRec排列（std）有关的optimal_filter输出。
有人评估过像我想做的那样访问y_pred的损失函数吗？