tf.custom_gradient具有多个输入

Question

tf.custom_gradient仅接受一个Tensor x，如果此操作需要多个输入呢？例如，定义需要输入x和label？的Softmax的梯度。更新感谢@AllenLavoie的建议，我使用Python列表作为输入。def self_define_op_multiple_inputs():    @tf.custom_gradient    def loss_func(input_):        x = input_[0]        label = input_[2]        def grad(dy):            return [dy, dy]        return x - label, grad    x = tf.range(10, dtype=tf.float32)    y = tf.range(10, dtype=tf.int32)    loss = loss_func([x, y])if __name__ == '__main__':    self_define_op_multiple_inputs()看来它将把Python转换list为Tensor。上面的代码段将引发TypeError： TypeError: Cannot convert a list containing a tensor of dtype <dtype: 'int32'> to <dtype: 'float32'> (Tensor is: <tf.Tensor 'range_1:0' shape=(10,) dtype=int32>)如何解决？