如何在TensorFlow中使用急切执行来实现张量的自定义渐变

Question

在这个（https://github.com/tensorflow/tensorflow/blob/master/tensorflow/contrib/eager/python/g3doc/guide.md）教程中，提供了一种实现自定义渐变功能的方法。

@tfe.custom_gradient
def log1pexp(x):
  e = tf.exp(x)
  def grad(dy):
    return dy * (1 - 1 / (1 + e))
  return tf.log(1 + e), grad
grad_log1pexp = tfe.gradients_function(log1pexp)

# Works as before at x = 0.
assert 0.5 == float(grad_log1pexp(0.)[0])

# But now works at x = 100 as well.
assert 1.0 == float(grad_log1pexp(100.)[0])

我想为矩阵指数实现渐变函数，在这种情况下变量是张量。我尝试了直接的方法，但似乎失败了。

我的问题是：

1. dy在这里是什么意思？
2. 如何将这些代码用于张量？