请参见下面的tensorflow 2.x代码，在图形模式下。du的梯度将是None，因为u不依赖于x。在我的应用程序中，du有时是None，有时是Tensor。因此，我希望在需要时将du设置为0.0，而不是None。我的代码不起作用，请参阅下面的错误。如何在TensorFlow图模式中正确实现这一点？

x = tf.Variable(1.0)
y = tf.Variable(1.0)

@tf.function
def func():
    with tf.GradientTape() as tape:
        u = y + 3.0

    du = tape.gradient(u, x)
    du = tf.cond(tf.cast(du == None, tf.bool), lambda: 0.0, lambda: du)
    return du

print(func())

错误：

ValueError: in user code:

    File "/tmp/ipykernel_5106/913668970.py", line 10, in func  *
        du = tf.cond(tf.cast(du == None, tf.bool), lambda: 0.0, lambda: du)
...
    ValueError: Lengths of branch outputs of cond must match.
    len(graphs[0].outputs): 1
    len(graphs[1].outputs): 0

请注意，下面的代码运行良好（du不是None，因为u = y + 3.0 + x）：

x = tf.Variable(1.0)
y = tf.Variable(1.0)

@tf.function
def func():
    with tf.GradientTape() as tape:
        u = y + 3.0 + x

    du = tape.gradient(u, x)
    du = tf.cond(tf.cast(du == None, tf.bool), lambda: 0.0, lambda: du)
    return du

print(func())

输出：tf.Tensor(1.0, shape=(), dtype=float32)