tensorflow 自定义损失 梯度为0

Question

输入是one_hot编码， 1类OK + N类 NG   。 OK固定是one_hot编码 第一位

OK和NG之间分对更重要，因此增加 自定义损失，尝试提升性能
如果设置， weight[0] =0.0 ， weight[1]  = 1.0  。 loss有值，但是，应用到调整网络梯度时， 网络所有层的梯度都是0 。 即，如代码示意损失，已经丢失帝都回传信息。
问题：怎样修改，才能实现带梯度回传信息的损失计算？

loss_value = self.augment_loss.loss(y,logits)#此处loss_value有值

当进一步，计算 可train参数的梯度时

grads = tape.gradient(loss_value, self.model.trainable_weights) # grads 全是0

Answer 1

这是什么代码，调尺寸的？