使用Keras动态展开简单神经网络

我正在尝试复制一个神经网络来计算分子的能量（下图）。能量是键合/非键合相互作用与角/二面体应变之和。我有4个单独的神经网络，它们找出每种能量的总和，总能量是每种相互作用所产生的能量之和，可能有100s。在我的数据集中，我只知道总能量。

如果我的总能量是使用不同神经网络上的多个正向位置（由分子决定的未知数）来计算的，那么我该如何通过动态构造的和来使角膜反向传播。非Keras Tensorflow方法也可以使用。 （如果我事先知道会有多少键，我将把神经网络的输出加在一起，那么问题就是必须在运行时展开神经网络的副本。）

这只是本文中给出的示例图像：

总而言之，问题是：“如何实现动态展开并将其馈送到Keras中的总和？”

---

如果其中一个维度未知，则可以将Keras层的形状设为(None,actual-shape...)。然后，我们可以使用TensorFlow层使用tf.reduce_sum(layer,axis=0)在索引为0的轴上求和。因此，在Keras中不难实现动态图层大小。

但是，如果输入形状构成更多约束，则可以传入附加了伪0值的完整矩阵和掩码矩阵，然后可以使用tf.multiply拒绝伪值，反向传播将当然会自动工作。