Keras-仅在条件通过的情况下，才通过层传递输入

Question

我正在尝试开发一种模型，该模型从候选人列表中选择最佳候选人：

• 输入：K个候选人的列表
• 目标输出：具有x的单热点向量x[t] = p_t，其中p_t是t是最佳候选的概率

这就是我在Keras中尝试做的事情：

1. 对于给定的训练行，将每个候选项i表示为特征向量f_i（所有特征均为正）。该行的候选者可能少于K；在这种情况下，我会掩盖 /用伪f_i向量（在所有向量中）填充候选列表 -1's
2. 将每个实际的f_i向量通过一组图层以获得一些分数s_i；虚拟特征向量不应该被传递 通过这些层，应该直接获得0分
3. 做 所有非零s_i上的softmax并获得最终概率

第1步很简单，第3步可以通过自定义激活完成，如here所示。第2步是我不知道该怎么做；我尝试将Keras的Lambda层与K.switch一起使用：

score_layer = Lambda(lambda x: K.switch(K.sum(x) < 0, 0.0, score_using_layers(x))

但这没用。当我尝试编译模型并打印摘要时，它甚至都不会显示用于对真实特征向量评分的图层。我该怎么做？