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？