Python Tensorflow中的变量没有梯度

我正在学习在Tensorflow中训练变量。但我甚至连最简单的一个例子都不正确。以下代码将产生

ValueError:没有为任何变量提供梯度。有人能帮我吗？谢谢

import tensorflow as tf
import click
tf.compat.v1.enable_eager_execution()
#tf.config.run_functions_eagerly(True)

@click.command()
@click.option('--lr', default = 0.001)
@click.option('--epochs', default = 10)
def main(lr, epochs):
    optimizer = tf.optimizers.Adam(learning_rate=lr)

    v = tf.Variable([0,0],trainable=True)
    w = tf.convert_to_tensor([1,1])

    def loss():
        loss_value = tf.reduce_sum(tf.square(v-w))
        return loss_value

    variables = [v]
    for epoch in range(epochs):
        optimizer.minimize(loss,variables)
        #print("epoch ", epoch, ": loss: ",loss_value.numpy())

if __name__ == '__main__':
    main()

你好，
可以通过提及创建的每个变量的数据类型来解决此错误。
v=tf.Variable（[0,0]，trainable=True，dtype=tf.float32）
w=tf.convert_to_tensor（[1,1]，dtype=tf.float32）
优化器中的
损失是什么。最小化（损失，变量）
？为什么要将函数引用传递给它？尝试
优化器。最小化（loss（），variables）
。我按照Armin的建议添加了数据类型，现在问题解决了。我认为错误信息在这里不是很有用。是否有任何参考文献概括了此类问题？我不知道有任何此类参考文献。