tf.custom_gradient僅接受一個Tensor x，如果此操作需要多個輸入呢？例如，定義需要輸入x和label？的Softmax的梯度。更新感謝@AllenLavoie的建議，我使用Python列表作為輸入。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()看來它將把Python轉換list為Tensor。上面的代碼段將引發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>)如何解決？