Python '；无'；正在为变量返回梯度

我目前使用的是TensorFlow 1.14版

在下面的代码中，我试图创建一个虚拟模型，该模型接受2个输入并提供两个输出，所有权重设置为1，偏差设置为0（单层感知器）。我定义了一个自定义损失函数，用于计算输入层wrt输出层的雅可比矩阵

# Prior function
def f_i(x):
    x1 = np.arctanh(x)
    return np.exp(-x1**2)

B = np.random.choice(x, (10000,2), p = f_i(x)/np.sum(f_i(x)))

def my_loss(y_pred, y_true):
    jacobian_tf = jacobian_tensorflow3(sim.output, sim.input)
    loss = tf.abs(tf.linalg.det(jacobian_tf))
    return K.mean(loss)

def jacobian_tensorflow3(x,y, verbose=False):    
    jacobian_matrix = []
    it = tqdm(range(ndim)) if verbose else range(ndim)
    for o in it:
        grad_func = tf.gradients(x[:,o], y)
        jacobian_matrix.append(grad_func[0])
    jacobian_matrix = tf.stack(jacobian_matrix)
    jacobian_matrix1 = tf.transpose(jacobian_matrix, perm=[1,0,2])
    return jacobian_matrix1

sim = Sequential()
sim.add(Dense(2, kernel_initializer='ones', bias_initializer='zeros', activation='linear', input_dim=2))
sim.compile(optimizer='adam', loss=my_loss)

sim.fit(B, np.random.random(B.shape), batch_size=100, epochs=2)

虽然该模型能够给出雅可比矩阵的结果，并且在编译方面也没有问题，但当我运行sim.fit时，我得到以下错误：

ValueError: Variable <tf.Variable 'dense_14/bias:0' shape=(2,) dtype=float32> has `None` for gradient. Please make sure that all of your ops have a gradient defined (i.e. are differentiable). Common ops without gradient: K.argmax, K.round, K.eval.

ValueError:变量的梯度为'None'。请确保所有操作都定义了梯度（即可微）。无梯度的普通操作：K.argmax、K.round、K.eval。

---

我在这一步上被困了很长时间，我无法继续前进。任何帮助/建议都是有益的。

tf.linalg.det

可能没有定义渐变。尝试

tf。矩阵行列式

而不是

tf。矩阵行列式

显示相同的错误。