Keras：具有受限内核的密集层

Question

使用Keras，我想看看限制在密集层中对内核的影响，例如-如果将其限制为对称或反对称，会发生什么？

非常简单的示例：图层

    keras.layers.Dense(2, activation=None, use_bias=False, input_shape(1,))

具有两个可训练的参数a（0）和a（1），我希望启用a（0）=-a（1）。我尝试使用自定义约束（投影到可允许的内核上），例如

    proj=tf.constant([1.0,0.0,-1.0,0.0],shape=[2,2])
    myw = math_ops.matmul(proj,tf.reshape(w,[2,1]))
    return tf.reshape(myw,[1,2])

强制a（0）=-a（1）。尽管在这种简单情况下确实可行，但至少会感到不对劲，因为在学习阶段，渐变不会考虑此投影。另外，还有一个可训练的参数，它不会影响结果。

实现此目标的正确方法是什么（当然，对于更大的尺寸和更复杂的投影）？

直接的方法似乎是编写一个自定义层，但是我对此没有任何经验。