在 Tensorflow 中，我将输入向量的矩阵 X 输入到 LSTM 网络中。输入矩阵的第一个向量（时间步长 1）是一个单热编码向量，而 X 的后续向量（跟随时间步长）是零向量。现在，我想在时间步 1 将损失的梯度反向传播到输入向量上。
如果我使用以下操作，我会得到输入的梯度，但是对于每个时间步。
gradients_input = sess.run(tf.gradients(loss, X), feed_dict={X:batch_x, Y:batch_y})
知道如何仅计算时间步 1 的梯度吗？