我有一个使用 Keras 功能 API 解决的监督学习问题。
由于这个模型正在预测物理系统的状态，我知道监督模型应该遵循额外的约束。
我想将其添加为一个额外的损失项，它会惩罚模型做出不遵循这些约束的预测。不幸的是，监督学习问题的训练示例数>>约束示例数。
基本上，我正在尝试这样做：
最小化监督学习误差和作为辅助损失的约束误差。
我不相信在每个数据集上交替训练批次会成功，因为梯度一次只会捕获一个问题的错误，而我真的希望物理约束充当监督学习任务的正则化。（如果我的解释有误，请告诉我）。
我知道这可以在纯 Tensorflow 或 Theano 中实现，但我不愿离开让其他一切变得如此方便的 Keras 生态系统。如果有人知道如何训练批量大小因输入而异的模型，我将非常感谢您的帮助。