Tensorflow没有为任何可变LSTM编码器解码器提供梯度

我是Tensorflow的新手，我正在尝试使用Tensorflow从头开始实现LSTM编码器-解码器，根据以下博文：

这是编码器的代码（使用tf.while\u循环）

这是解码器的代码：

def decode_timestep(self, context, max_dec, result, C_t_d, H_t_d, current_index):
    # Same as above

    # Calculate new H_t

    H_t_d_new = tf.multiply(o_t_d, tf.nn.tanh(C_t_d))

    # Write the result of this timestep to the tensor array at pos current_index
    result.write(tf.subtract(tf.subtract(max_dec, 1), current_index), H_t_d_new)

    # Decrement the current_index by 1
    index_next = tf.subtract(current_index, 1)

    return context, max_dec, result, C_t_d_i, H_t_d_new, index_next

这是会议的代码：

    with tf.variable_scope('encode_scope', reuse=True):
        H_t_e = tf.get_variable('H_t_e')
        C_t_e = tf.get_variable('C_t_e')

    with tf.variable_scope('global_scope', reuse=True):
        current_index = tf.get_variable('current_index', dtype=tf.int32)

    context, _, C_t_e, H_t_e, current_index  = tf.while_loop(self.encode_timestep_cond, self.encode_timestep,
                               [X_Sent, max_enc, C_t_e, H_t_e, current_index])

    result = tf.TensorArray(tf.float32, size=max_dec)
    _,_,result, C_t_e, H_t_e, current_index = tf.while_loop(self.decode_timestep_cond, self.decode_timestep,
                            [context, max_dec, result, C_t_e, H_t_e, current_index])

    loss = tf.reduce_sum(tf.sqrt(tf.reduce_sum(tf.square(tf.subtract(result.concat(), Y_Sent)), reduction_indices=1)))

    train_step = tf.train.AdamOptimizer().minimize(loss)

错误是：

ValueError：没有为任何变量提供渐变，请检查图形 对于不支持渐变的操作，在变量之间 [“”

请帮忙！这是我认为应该在我从那篇文章中读到并理解之后立即实现的。谢谢你，我的英语很抱歉

    with tf.variable_scope('encode_scope', reuse=True):
        H_t_e = tf.get_variable('H_t_e')
        C_t_e = tf.get_variable('C_t_e')

    with tf.variable_scope('global_scope', reuse=True):
        current_index = tf.get_variable('current_index', dtype=tf.int32)

    context, _, C_t_e, H_t_e, current_index  = tf.while_loop(self.encode_timestep_cond, self.encode_timestep,
                               [X_Sent, max_enc, C_t_e, H_t_e, current_index])

    result = tf.TensorArray(tf.float32, size=max_dec)
    _,_,result, C_t_e, H_t_e, current_index = tf.while_loop(self.decode_timestep_cond, self.decode_timestep,
                            [context, max_dec, result, C_t_e, H_t_e, current_index])

    loss = tf.reduce_sum(tf.sqrt(tf.reduce_sum(tf.square(tf.subtract(result.concat(), Y_Sent)), reduction_indices=1)))

    train_step = tf.train.AdamOptimizer().minimize(loss)