Python 如何在Keras中的lstm模型的自定义损失函数中使用外部变量？

我试图创建一个LSTM模型来预测买卖信号。我有一些输入，比如：（批量大小，增量时间，输入向量值）。LStm将获取输入向量的增量时间数（增量时间、输入向量值），并输出两个分量（买入信号和卖出信号）的单个向量

为了训练lstm，除了必须使用的两个变量（lstm_输出和real_输出）外，我希望能够使用另外一个变量。每个输出的额外变量会有所不同，这意味着每个输入也会有一个相关的额外变量。我想使用损失函数中的额外变量来控制网络错误的相关性。基本上，我希望对某些特定的时间事件使错误的impactfull更少，而对其他事件使错误的impactfull更多，这就是我希望使用额外变量的原因

---

有没有办法做到这一点？我的推理有问题吗？

你的意思是在自定义损失中传递权重/掩码吗？我真的不知道什么是掩码，但不是权重，我想传递给损失函数的变量是lstm的外部变量。我的意思是，对于每个输入（delta_时间，input_向量），我的目标数据看起来像（real lstmoutput1，real lstmoutput2，external variable），但是lstm没有输出外部变量。我想我知道的是，你可以把它作为输入，一个文件可能就足以作为整个问题的参考。真的吗？我刚刚开始编程人工智能，我不太明白，它以什么方式实现了我想要的？