在 tensorflow + keras 中工作我正在尝试定义一个自定义损失函数。注意我对损失的值而不是预测的实际值更感兴趣（这将用于异常检测）。

我的网络输出未来 n 步的预测。

在时间 t，我收到一个输入，即当前观察 (y_t)，我有过去 x 个时间步长的历史记录。我希望将 y_t 的值与 t-1、...tn 中的每个预测的 y_t 值进行比较。

为此，我设想了一个长度从 1 到 n 的“三角形”数组。我将预测的值添加到它们各自数组的末尾，并从每个数组中弹出第一个值以生成我的 y_pred 张量。然后将 y_t 复制成等长 (y_true) 的张量，以用于计算时间 t 的损失（可能是 MSE 等）。

我遇到的困难是如何在批次之间保留这些预测数组的状态。

我们的想法是将此以在线方式使用，其中在每个时间步长（批量大小 1）对网络进行小幅更新，而无需在接收观察和报告模型的准确度之间存在显着延迟（如需要保存 n 步的预测并在收到所有信息后进行计算）。