我尝试使用来自输入数据的损失函数的梯度来计算输入数据的噪声：
my_grad = tf.gradients（损失，输入）
loss是大小为（nx 1）的数组，其中n是数据集的数量，m是数据集的大小，输入是（nxm）的数组，其中m是单个数据集的大小。
我需要my_grad的大小（n x m）-因此，对于每个数据集，都要计算梯度。但是根据定义，i！= j为零的渐变-但是tf.gradients分配了大量的内存，并且可以运行很多次……
一个版本，仅在i = j很大的地方才计算梯度-任何想法如何到达那里？