chainerに関する質問です。

学習済みのNNモデルをロードし、ある画像を入力した際の各層の勾配情報を取得したいのですが、実装できずに悩んでいます。

ネットワークは以下のように定義しています。

class Model1(chainer.Chain):

    def __init__(self, input_chs, n_outputs):

        super(Model1Activation, self).__init__()

        with self.init_scope():

            self.I = []
            self.conv1 = L.Convolution2D(input_chs, 16, 5, stride=1, pad=0)
            self.conv1_hidden = []
            self.relu1_hidden = []
            self.maxpool1_hidden = []
            self.conv2 = L.Convolution2D(16, 32, 5, stride=1, pad=0)
            self.conv2_hidden = []
            self.relu2_hidden = []
            self.maxpool2_hidden = []
            self.conv3 = L.Convolution2D(32, 64, 5, stride=1, pad=0)
            self.conv3_hidden = []
            self.relu3_hidden = []
            self.l4 = L.Linear(1*1*64, 100)
            self.l4_hidden = []
            self.l5 = L.Linear(100, n_outputs, nobias=True)
            self.pred = []

    def __call__(self, X):

        # -> Input
        self.I = Variable(X)

        # -> 14*14*16
        self.conv1_hidden = self.conv1(self.I)
        self.relu1_hidden = F.relu(self.conv1_hidden)
        self.maxpool1_hidden = F.max_pooling_2d(self.relu1_hidden, 2)

        # -> 5*5*32
        self.conv2_hidden = self.conv2(self.maxpool1_hidden)
        self.relu2_hidden = F.relu(self.conv2_hidden)
        self.maxpool2_hidden = F.max_pooling_2d(self.relu2_hidden, 2)

        # -> 1*1*64
        self.conv3_hidden = self.conv3(self.maxpool2_hidden)
        self.relu3_hidden = F.relu(self.conv3_hidden)

        # -> 100
        self.l4_hidden = self.l4(self.relu3_hidden)
        self.relu4_hidden = F.relu(self.l4_hidden)

        # -> n_outputs
        self.pred = self.l5(self.relu4_hidden)

        return self.pred

mainの中でモデルを読み込み、以下のようにして勾配情報を取り出そうとするとNoneと表示されてしまいます。

main():

    #中略
    #(modelという変数にModel1モデルを読み込み、画像を入力した際のロスをlossに格納)

    loss.backward(retain_grad=True)
    print(model.I.grad)

クラスとして定義したモデルにはgradが保存されないのか、そうであるなら各層の勾配情報を取得するにはどのように記述したらよいかを教えていただけると幸いです。
よろしくお願いいたします。