如何使用具有不同批量大小的多个输入输出数据集在keras中训练模型

Question

我有一个监督学习问题，我正在用Keras功能API解决。

由于此模型预测物理系统的状态，我知道监督模型应遵循其他约束。

我想补充一点，作为额外的损失术语，惩罚模型以进行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的数量＆gt;＆gt;约束示例的数量。

基本上，我正在尝试这样做：

最小化监督学习错误，并将约束错误作为辅助损失。

我不相信每个数据集上的交替训练批次都会成功，因为当我真正希望物理约束作为监督学习任务的正规化时，梯度一次只能捕获一个问题的错误。 （如果我的解释不正确，请告诉我。）

我知道这可以在纯Tensorflow或Theano中实现，但我犹豫不决离开Keras生态系统，让其他一切变得如此方便。如果有人知道如何训练批量大小因输入而异的模型，我真的很感激帮助。