Keras 报错：An operation has `None` for gradient.

结论：自定义层的时候不要在build里定义不会在call里调用的 trainable 变量

报错原文：

ValueError: An operation 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.

引发操作：

model.fit(x, y, batch_size=32, epochs=2,validation_data=(x, y))

反正就是compile正常，fit报错

自定义层：

def build(self, input_shape):
    self.emb_A = self.add_weight(name='Embedding_1',
                            shape=(self.sentence_size, self.vocab_size),
                            initializer='uniform',
                            trainable=True)
    self.emb_B = self.add_weight(name='Embedding_2',
                            shape=(self.sentence_size, self.vocab_size),
                            initializer='uniform',
                            trainable=True)
    super(MemN2N, self).build(input_shape)
    
def call(self, inputs):
    x = K.dot(inputs, self.emb_A)
    return K.sum(x, axis=2)

解决方法：

删除 self.emb_B就不会报这个错了

---

查了之后发现原因很简单，参考stackoverflow

就是build 里定义了call里没有使用的 trainable 变量，结果反向传播的时候就没办法计算它的梯度了。

我还找了半天看是不是因为K.sum()不可导orz