为什么class OneJoint(layers.Layer): def __init__(self, units=1, input_dim=3): super(OneJoint, self).__init__() w_init = tf.random_normal_initializer() self.w = tf.Variable( initial_value=w_init(shape=(input_dim, units), dtype="float32"), trainable=True, name='融合' ) def call(self, inputs, *args, **kwargs): return tf.matmul(inputs, self.w)在最小化损失时，变量不存在梯度

这个问题属于技术问题，我可以回答。这个问题可能是由于变量没有被正确地定义或初始化导致的。在最小化损失时，如果变量不存在梯度，可能会导致模型无法更新变量，从而无法正确地训练模型。建议检查变量的定义和初始化是否正确，并确保在训练过程中正确地计算梯度。