我想将训练数据之外但与训练数据长度相同的向量传递给自定义损失函数。

该向量表示一个后预测漏斗（一或零），观察必须通过它才能产生（一或零）。显然，我不能将此漏斗用作特征，但我想在损失函数中使用它。类似于交叉熵的东西加上额外的惩罚......

funnel <- k_constant(fnl)
loss <- function(y_true,y_pred){
   k_sum(-((y_true*k_log(y_pred)) +
   (1-y_true)*k_log(1-y_pred) +
   k_transpose(funnel)*(1-y_true)*k_log(1-y_pred)))
}

这段代码在语法上有效，但我担心当我去拟合模型时，batch_size参数shuffle会以funnel不再与训练数据对齐的方式重新排列数据。

问题...

在计算损失时，如何确定funnel和 ( y_true, y_pred) 对引用相同的观察结果？

有关此问题的“原因”的更多信息，以及显示我迄今为止的进展的附加代码，可以在这里找到。

提前感谢您的帮助！我对深度学习比较陌生，所以请多多包涵。