在Tensorflow 2.3中，如何以一个总损失训练多个模型？

我试着互相训练多个模型。 有两个以上的模型，每个模型都有各自的交叉熵损失。 此外，这些模型还存在kl发散损失来比较分布。 然后，我想通过添加所有这些损失来创建一个总损失，一次训练多个模型

我的代码如下：

modelA = resnet18(name='modelA')
modelB = resnet18(name='modelB')


cls_criterion = tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True)
kld_criterion = tf.keras.losses.KLDivergence(reduction=tf.keras.losses.Reduction.SUM)

@tf.function
def train_step(images, labels):
    with tf.GradientTape() as tape:

        outputA = modelA(images, training=True)
        outputB = modelB(images, training=True)

        lossA = cls_criterion(labels, outputA) + kld_criterion(tf.nn.softmax(outputB, axis=1), tf.nn.softmax(outputA, axis=1))
        lossB = cls_criterion(labels, outputB) + kld_criterion(tf.nn.softmax(outputA, axis=1), tf.nn.softmax(outputB, axis=1))
    loss = lossA + lossB
    
    gradients = tape.gradient(loss, [ v for v in model.trainable_variables for model in [modelA, modelB] ])
    optimizer.apply_gradients(zip(gradients, [ v for v in model.trainable_variables for model in [modelA, modelB] ]))
      

然后，我得到如下错误：

ValueError: in user code:

    <ipython-input-24-6c928868de5d>:64 train_step  *
        optimizer.apply_gradients(zip(gradients, [ v for v in model.trainable_variables for mode in model_list ]))
    /home/anaconda3/envs/lib/python3.6/site-packages/tensorflow/python/keras/optimizer_v2/optimizer_v2.py:513 apply_gradients  **
        grads_and_vars = _filter_grads(grads_and_vars)
    /home/anaconda3/envs/lib/python3.6/site-packages/tensorflow/python/keras/optimizer_v2/optimizer_v2.py:1271 _filter_grads
        ([v.name for _, v in grads_and_vars],))

    ValueError: No gradients provided for any variable: ['Conv1/kernel:0', 'Conv1/kernel:0', 'Conv1/kernel:0', 
'bn_Conv1/gamma:0', 'bn_Conv1/gamma:0', 'bn_Conv1/gamma:0', 
'bn_Conv1/beta:0', 'bn_Conv1/beta:0', 'bn_Conv1/beta:0', 
'expanded_conv_depthwise/depthwise_kernel:0', 
'expanded_conv_depthwise/depthwise_kernel:0', 
'expanded_conv_depthwise/depthwise_kernel:0', 
'expanded_conv_depthwise_BN/gamma:0', 
'expanded_conv_depthwise_BN/gamma:0', 
'expanded_conv_depthwise_BN/gamma:0', 
'expanded_conv_depthwise_BN/beta:0', 
'expanded_conv_depthwise_BN/beta:0', ....

ValueError:在用户代码中：
：64列车步*
优化器。应用_梯度（zip（梯度，[v代表模型中的v。可训练的_变量代表模型_列表中的模式））
/home/anaconda3/envs/lib/python3.6/site packages/tensorflow/python/keras/optimizer\u v2/optimizer\u v2.py:513应用梯度**
梯度和变量=\u过滤器\u梯度（梯度和变量）
/home/anaconda3/envs/lib/python3.6/site packages/tensorflow/python/keras/optimizer\u v2/optimizer\u v2.py:1271\u filter\u grads
（[v.name代表u，v在grads和vars中]，）
ValueError:没有为任何变量提供渐变：['Conv1/kernel:0'，'Conv1/kernel:0'，'Conv1/kernel:0'，
‘bn_Conv1/gamma:0’、‘bn_Conv1/gamma:0’、‘bn_Conv1/gamma:0’，
‘bn_Conv1/beta:0’、‘bn_Conv1/beta:0’、‘bn_Conv1/beta:0’，
'expanded_conv_depthwise/depthwise_kernel:0'，
'expanded_conv_depthwise/depthwise_kernel:0'，
'expanded_conv_depthwise/depthwise_kernel:0'，
“扩展转换深度BN/gamma:0”，
“扩展转换深度BN/gamma:0”，
“扩展转换深度BN/gamma:0”，
“扩展转换深度BN/beta:0”，
“扩展转换深度”BN/beta:0。。。。