En Gradient Tape, los gradientes de Tensorflow llegan como 0.s.

Aquí hay una parte de un modelo en el que estoy trabajando. Al ser nuevo en el cálculo de gradientes en tf, me confundí cuando encontré que todos los valores de gradientes están llegando como 0. Aquí está el código:

class A:
    def __init__(self, inputA_dim, inputB_dim):
        self.inputA_dim = (35, 35, 1)
        self.inputB_dim = 2
        self.model = self.nn_model()
        self.opt = tf.keras.optimizers.Adam()

print(self.model.summary())

def nn_model(self):
    inputA = Input(self.inputA_dim)
    conv1 = Conv2D(10, 3, padding="same", activation="relu")(inputA)
    pool1 = MaxPool2D(padding='same')(conv1)
    conv2 = Conv2D(10, 3, padding="same", activation="relu")(pool1)
    pool2 = MaxPool2D(padding='same')(conv2)
    conv3 = Conv2D(10, 3, padding="same", activation="relu")(pool2)
    pool3 = MaxPool2D(padding='same')(conv3)
    flatten = Flatten()(pool3)
    s2 = Dense(32, activation="relu")(flatten)
    s3 = Dense(32, activation="relu")(s2)
    s4 = Dense(2, activation="relu")(s3)
    inputB = Input((self.inputB_dim,))
    a1 = Dense(2, activation="relu")(inputB)
    c1 = concatenate([s2, a1], axis=-1)
    c2 = Dense(4, activation="relu")(c1)
    outputs = Dense(1, activation="linear")(c2)
    return tf.keras.Model([inputA, inputB], outputs)

def predict(self, inputs):
    return self.model.predict(inputs)

def gradients(self, inputA, inputB):
    inputB = tf.convert_to_tensor(inputB)
    with tf.GradientTape() as tape:
        tape.watch(inputB)
        values = self.model([inputA, inputB])
        values = tf.squeeze(values)
    g = tape.gradient(values, inputB)
    print(g)
    return g

Más tarde encontré que hay otro método llamado jacobiano que también usé aquí, todavía dando valores de gradientes como 0. ¿Alguien puede decirme qué hacer. Gracias.