Keras 自定義損失函數是否接受全局 python 變量？我正在構建我自己的 Keras 自定義損失函數，它只接受y_true和y_pred作為參數。但損失函數非常復雜，它依賴于其他變量。目前在我的實現中，損失函數只是直接在同一個 python 代碼腳本中使用全局變量.訓練完模型后，如果我想用模型做預測，那么python環境中的那些全局變量就會被改變。我的問題是，我是否需要再次編譯模型，以保證模型已使用這些外部全局變量的最新版本進行更新？Rlist=....def custom_loss(y_true,y_pred):    z = 0.0    #Rlist is the global variable     for j in Rlist:        z = z  +K.log(K.sum(K.exp(K.gather(y_pred,j[0])))) \        - K.log(K.sum(K.exp(K.gather(y_pred,j))))    z = -z     return z#below build the model and compile it with loss=custom_lossmodel=...model.compile(loss=custom_loss,....model.fit(x=train_x,y=train_y,...)#Rlist=...  update Rlist which is adaptive to test dataset#Do I need to recompile in the code below,or whether Rlist is updated#in custom_loss when it is called?model.predict(x=test_x,y=test_y,...)在我的損失函數中（實際上這是 cox 比例風險模型的損失函數），每個樣本的損失值之間的損失不相加。 Rlist是我的 Keras 代碼的 python 環境中的全局變量，我的問題是，在訓練模型后，如果我Rlist為測試數據集更改Rlist此變量，Keras 會自動更新，或者Rlist在編譯時使用該變量的舊版本構建計算圖？有什么解釋，如果我在損失函數中直接引用python環境中的一個全局變量，那么Tensorflow構建其計算圖時會發生什么？我知道使用全局變量不是一種習慣做法。還推薦更好的建議。