RuntimeError: tf.gradients is not supported when eager execution is enabled. Use tf.GradientTape instead.

这个错误是因为你开启了 Eager Execution 模式，而 `tf.gradients` 函数不再支持 Eager Execution 模式。你需要改用 `tf.GradientTape` 来计算梯度。

以下是使用 `tf.GradientTape` 计算相对于输入的梯度的示例代码：

import tensorflow as tf

# 构建模型
model = tf.keras.Sequential([
    tf.keras.layers.Dense(10, input_shape=(5,), activation='relu'),
    tf.keras.layers.Dense(1)
])

# 定义损失函数
loss_fn = tf.keras.losses.MeanSquaredError()

# 构建输入数据
x = tf.ones((1, 5))

# 计算梯度
with tf.GradientTape() as tape:
    tape.watch(x)
    y = model(x)
    loss = loss_fn(tf.ones((1, 1)), y)
grads = tape.gradient(loss, x)
print(grads)

具体来说，`tf.GradientTape` 用于记录前向计算图，并且可以在后续计算梯度时使用。在上面的代码中，我们首先构建了一个模型，然后定义了一个损失函数，接着构建了一个输入数据 `x`。在计算梯度时，我们使用 `with tf.GradientTape() as tape` 来开启一个梯度计算的上下文环境，并且调用 `tape.watch(x)` 来告诉 `tf.GradientTape` 需要记录 `x` 的操作。在计算损失时，我们将 `y` 与目标值 `tf.ones((1, 1))` 进行比较，并且计算损失值 `loss`。最后，我们可以通过调用 `tape.gradient(loss, x)` 来计算相对于 `x` 的梯度。

希望这个示例代码对你有帮助。