错误分析

No gradients provided for any variable这个意思是没有梯度给已知的所有函数，
为什么会出现这个错误呢，因为在深度学习中，梯度的更新是由于反向传播算法的实现的，如果损失函数没有与已知的任何（除输入）层关联，那么，损失函数就无法求出关于各个函数的梯度，导致错误

解决办法

例如
损失函数

    def contrastive_loss_layer( left_inputs, right_inputs, label_inputs):
        img=left_inputs
        change_img=right_inputs
        y=label_inputs
        different=img-change_img
        margin = 1
        square = K.square(different)
        margin_square = K.square(K.maximum(margin - y, 0))
        loss=(y* square + (1 - y) * margin_square)
        loss=tf.reduce_mean(loss)

        return loss

model=keras.Model(inputs=[left_inputs, right_inputs,label_inputs],
 outputs=[outputs,loss],name='model')

其中损失函数直接与输入层关联，那么就无法提供梯度
这时候必须让损失函数与原有的模型的层相关联才可以