Python Tensorflow：使用自定义渐变创建自定义二维图层

我想要一个Conv2d层，它能够返回一个梯度，在某些索引处的值乘以0.2。原有的功能应该保持不变

我的想法是对Conv2d类进行子类化，并使用setter方法保存groundtruth为0的索引：

import tensorflow as tf

class BackpassFilter(tf.keras.layers.Layer):
    def __init__(self, kernel_initializer, num_filter=48, kernel_size=3, stride=1, padding='same', name='keypoints_3_4'):
    super(BackpassFilter, self).__init__()
    self.fc = tf.keras.layers.Conv2D(kernel_initializer, num_filter, kernel_size, stride, padding, name, kernel_initializer=kernel_initializer)

    def call(self, input):
        return self.fc(input)

    def add_filter_indices(self, ground_truth):
        self.tmp_indices = tf.where(tf.equal(ground_truth, 0))

    @tf.custom_gradient
    def custom_gradient(self, x):
        ...

我发现@tf.custom_梯度是我可以使用的。如何实现访问原始渐变、操纵和返回它们的方法？我是否必须以某种方式注册自定义渐变以便在类中使用