如何在TensorFlow 2.0中实现clip_gradients_by_norm？

import tensorflow as tf

model = create_model()  # 创建模型
optimizer = tf.keras.optimizers.Adam()  # 创建优化器

with tf.GradientTape() as tape:
    loss = compute_loss(model, x, y)  # 计算损失函数
gradients = tape.gradient(loss, model.trainable_variables)  # 计算梯度

gradients, _ = tf.clip_by_global_norm(gradients, max_norm)  # 使用tf.clip_by_norm函数裁剪梯度

optimizer.apply_gradients(zip(gradients, model.trainable_variables))  # 应用裁剪后的梯度