Функция потерь Хаверсина: Градиенты не предоставлены для любых переменных?

Я пытаюсь реализовать пользовательскую функцию потерь, потерю Хаверсина, которая вычисляет расстояние между двумя точками на сфере. Координаты классов сохраняются в csv-файле, поэтому мне нужно преобразовать истинный и предсказанный индексы в имена классов (‘cluster’), чтобы извлечь соответствующие координаты из csv. (Csv-файл содержит только кластер (целое число) и пару координат, Center_Longitude и Center_Latitude как float32). Я думаю, что извлечение координат, а также вычисление Хаверсина работают (смотрите вывод ниже). Но в итоге я не знаю, почему получаю эту ошибку: ValueError: No gradients provided for any variable.

Мой вывод – это слой softmax, поэтому я использую argmax, чтобы получить предсказание с наивысшей вероятностью. Я думаю, это может вызывать проблемы, но я все еще не уверен, как это решить. Почему я не получаю градиентов? Как я мог бы изменить свой код, чтобы он работал правильно?

def haversine_loss(y_true, y_pred):

    pred_index = tf.argmax(y_pred, axis=-1)
    true_index = tf.cast(y_true, tf.int32)

    tf.print("Предсказанные индексы:", pred_index)
    tf.print("Истинные индексы:", true_index)

    pred_class_names = tf.gather(class_names, pred_index)
    true_class_names = tf.gather(class_names, true_index)

    tf.print("Предсказанные имена классов:", pred_class_names)
    tf.print("Истинные имена классов:", true_class_names)

    pred_lat_lon = tf.stack([
        tf.gather(clusters_df['Center_Latitude'].values, pred_index),
        tf.gather(clusters_df['Center_Longitude'].values, pred_index)
    ], axis=-1)

    true_lat_lon = tf.stack([
        tf.gather(clusters_df['Center_Latitude'].values, true_index),
        tf.gather(clusters_df['Center_Longitude'].values, true_index)
    ], axis=-1)

    tf.print("Предсказанные широта/долгота:", pred_lat_lon)
    tf.print("Истинная широта/долгота:", true_lat_lon)

    lat1, lon1 = pred_lat_lon[:, 0], pred_lat_lon[:, 1]
    lat2, lon2 = true_lat_lon[:, 0], true_lat_lon[:, 1]

    distance = haversine_distance(lat1, lon1, lat2, lon2)

    tf.print("Вычисленные расстояния:", distance)

    return tf.reduce_mean(distance)

def haversine_distance(lat1, lon1, lat2, lon2):

    lat1 = tf.cast(lat1, tf.float32) * (tf.constant(m.pi, dtype=tf.float32) / 180.0)
    lon1 = tf.cast(lon1, tf.float32) * (tf.constant(m.pi, dtype=tf.float32) / 180.0)
    lat2 = tf.cast(lat2, tf.float32) * (tf.constant(m.pi, dtype=tf.float32) / 180.0)
    lon2 = tf.cast(lon2, tf.float32) * (tf.constant(m.pi, dtype=tf.float32) / 180.0)

    dlon = lon2 - lon1
    dlat = lat2 - lat1

    a = tf.sin(dlat / 2)**2 + tf.cos(lat1) * tf.cos(lat2) * tf.sin(dlon / 2)**2
    c = 2 * tf.asin(tf.sqrt(a))

    R = 6371.0
    return R * c

Эпоха 1/25
Предсказанные индексы: [1124]
Истинные индексы: [604]
Предсказанные имена классов: ["8983"]
Истинные имена классов: ["8463"]
Предсказанная широта/долгота: [[51.227374672500062 7.2118920326250366]]
Истинная широта/долгота: [[49.075162783850026 9.48693443665003]]
Вычисленные расстояния: [289.012787]
Traceback (most recent call last):
  File "mypath.py", line 171, in <module>
    model.fit(
  File "mypath.py\pythonProject\.venv\Lib\site-packages\keras\src\utils\traceback_utils.py", line 122, in error_handler
    raise e.with_traceback(filtered_tb) from None
  File "mypath.py\pythonProject\.venv\Lib\site-packages\keras\src\optimizers\base_optimizer.py", line 662, in _filter_empty_gradients
    raise ValueError("No gradients provided for any variable.")
ValueError: No gradients provided for any variable.

Процесс завершён с кодом выхода 1