Sympy Solve是否与tensorflow GradientTape兼容？

如何解决Sympy Solve是否与tensorflow GradientTape兼容？

我想使用sympy求解来求解Vo的p，这是一种无需初始值即可求解方程的算法。然后，我想使用TensorFlow的自动微分来找到Vo的p的导数。我在下面编写了代码，该值计算正确。但是，最后无法将其转换为tensorflow dtype。有没有办法使用与sympy兼容的TensorFlow张量？

from sympy import solve,Symbol,re
import tensorflow as tf`

class Concentrate_calculator:
    def __init__(self,k,k1,m):
        self.k=k
        self.k1=k1
        self.m=m
    
    def calp(self,Vo):
        p=Symbol('p')
        equation = k1*m/(p+k1)+k/p-2*Vo-p
        solution = solve(equation,p)
        p=float(re(solution[2]))
        return p


k=10.0**15
k1=10.0**9.5
m=10.0**19.2    

cal = Concentrate_calculator(k,m)

Vo = tf.Variable(1e18)
#Vo=1e18
with tf.GradientTape() as t:
    t.watch(Vo)
    p=cal.calp(Vo)
  
dpdVo = t.gradient(p,Vo)
print(dpdVo)

TypeError：无法将值21897084140.095097转换为TensorFlow DType。