使用自定义损失函数时，GradientTape返回None

的原因可能是由于损失函数的计算过程中存在某些不可微分的操作或者函数。GradientTape是TensorFlow中用于自动求导的工具，它会记录所有与可训练变量相关的操作，从而计算它们对于损失函数的梯度。

当使用自定义损失函数时，我们需要确保损失函数中的所有操作都是可微分的，否则GradientTape将无法计算梯度。常见的不可微分操作包括条件语句、取整操作、离散化操作等。

解决这个问题的方法是使用TensorFlow提供的可微分操作替代不可微分操作，或者使用其他技巧来近似计算梯度。例如，可以使用tf.where函数替代条件语句，使用tf.round函数替代取整操作。

另外，如果自定义损失函数中使用了一些特殊的函数或者操作，可以尝试查阅TensorFlow文档或者相关论文，看是否有已经实现的可微分版本。

以下是一些腾讯云相关产品和产品介绍链接地址，供参考：

1. 云服务器（CVM）：提供弹性计算能力，满足各种计算需求。产品介绍链接
2. 云数据库MySQL版（TencentDB for MySQL）：提供高性能、可扩展的MySQL数据库服务。产品介绍链接
3. 人工智能平台（AI Lab）：提供丰富的人工智能开发工具和服务，包括图像识别、语音识别、自然语言处理等。产品介绍链接

请注意，以上产品仅作为示例，具体选择应根据实际需求和情况进行评估。