使用tf.gradients()函数，您可以计算一个张量相对于一个或多个其他张量（包括变量tf.gradients()的符号梯度。考虑以下简单示例：

data = tf.placeholder(tf.float32)
var = tf.Variable(...)              # Must be a tf.float32 or tf.float64 variable.
loss = some_function_of(var, data)  # some_function_of() returns a `Tensor`.

var_grad = tf.gradients(loss, [var])[0]

然后，您可以使用此符号渐变来评估某些特定点（数据）上的渐变：

sess = tf.Session()

var_grad_val = sess.run(var_grad, feed_dict={data: ...})

在TensorFlow 2.0中，您可以使用GradientTape实现此目的。 GradientTape记录在上下文中发生的任何计算的梯度。以下是如何执行此操作的示例。

import tensorflow as tf

# Here goes the neural network weights as tf.Variable
x = tf.Variable(3.0)

with tf.GradientTape() as tape:
  # Doing the computation in the context of the gradient tape
  # For example computing loss
  y = x**2 

# Getting the gradient of weight w.r.t loss 
dy_dx = tape.gradient(y, x) 
print(dy_dx) # Returns 6