tensorflow.js 在调用 tf.grad() 进行梯度上升时抛出令人费解的错误

如何解决tensorflow.js 在调用 tf.grad() 进行梯度上升时抛出令人费解的错误

对于我正在学习的课程，我将实现深梦以实现特征可视化。我选择在浏览器中实现这个项目。至于我的背景，我是机器学习和 tensorflow.js 的新手。

大多数情况下，我遵循了 Tensorflow 的 Python API 指南：
https://www.tensorflow.org/tutorials/generative/deepdream#calculate_loss

到目前为止，我能够实现梯度上升之前的所有步骤。我有一种感觉，计算梯度将是一个挑战，因为 Python API 有这个方便的 tf.GradientTape() 构造，而 tensorflow.js 没有。根据我的理解，我必须改用 tf.grad() 或 tf.grads()。
这是我的损失函数：

function calc_loss(model,img_tensor) {
    const activations = [].concat(model.predict(img_tensor));

    const losses = activations.map( v => tf.mean(v))

    const means = losses.reduce((acc,val) => {
        acc = tf.add(acc,val);
        return acc;
    })
    return tf.sum(means)        // unsure if tf.sum() is needed here
}

我将特征提取模型和一个 tensor4d 传递给它，它返回一个值为 1 的张量。

我使用的（部分）梯度上升函数：

function gradient_ascent(model,img_tensor) {
    
    const img_batch = img_tensor.expandDims(0);

    const loss_function = (input) => calc_loss(model,input);

    const grad_function = tf.grad(loss_function);
    return grad_function(img_batch)
}

它抛出的错误：

Uncaught (in promise) TypeError: x is undefined
    clone http://127.0.0.1:8080/tf.2.8.2.js:17122
    saved http://127.0.0.1:8080/tf.2.8.2.js:17373
    saveTensorsForBackwardMode http://127.0.0.1:8080/tf.2.8.2.js:17372
    kernelFunc http://127.0.0.1:8080/tf.2.8.2.js:17277
    runKernelFunc http://127.0.0.1:8080/tf.2.8.2.js:17324
    scopedRun http://127.0.0.1:8080/tf.2.8.2.js:17094
    runKernelFunc http://127.0.0.1:8080/tf.2.8.2.js:17318
    runKernel http://127.0.0.1:8080/tf.2.8.2.js:17171
    batchnorm_ http://127.0.0.1:8080/tf.2.8.2.js:26574
    f2 http://127.0.0.1:8080/tf.2.8.2.js:18338
    batchnorm4d_ http://127.0.0.1:8080/tf.2.8.2.js:26746
    f2 http://127.0.0.1:8080/tf.2.8.2.js:18338
    batchnormalization http://127.0.0.1:8080/tf.2.8.2.js:72769
    normalizeInference http://127.0.0.1:8080/tf.2.8.2.js:72966
    call http://127.0.0.1:8080/tf.2.8.2.js:72971
    tidy http://127.0.0.1:8080/tf.2.8.2.js:17080
    scopedRun http://127.0.0.1:8080/tf.2.8.2.js:17094
    tidy http://127.0.0.1:8080/tf.2.8.2.js:17075
    tidy http://127.0.0.1:8080/tf.2.8.2.js:24132
    call http://127.0.0.1:8080/tf.2.8.2.js:72942
    apply http://127.0.0.1:8080/tf.2.8.2.js:56063
    nameScope http://127.0.0.1:8080/tf.2.8.2.js:53015
    apply http://127.0.0.1:8080/tf.2.8.2.js:56019
    execute http://127.0.0.1:8080/tf.2.8.2.js:59585
    batchOuts http://127.0.0.1:8080/tf.2.8.2.js:63644
    tidy http://127.0.0.1:8080/tf.2.8.2.js:17080
    scopedRun http://127.0.0.1:8080/tf.2.8.2.js:17094
    tidy http://127.0.0.1:8080/tf.2.8.2.js:17075
    tidy http://127.0.0.1:8080/tf.2.8.2.js:24132
    _loop2 http://127.0.0.1:8080/tf.2.8.2.js:63620
    predictLoop http://127.0.0.1:8080/tf.2.8.2.js:63652
    tidy http://127.0.0.1:8080/tf.2.8.2.js:17080
    scopedRun http://127.0.0.1:8080/tf.2.8.2.js:17094
    tidy http://127.0.0.1:8080/tf.2.8.2.js:17075
    tidy http://127.0.0.1:8080/tf.2.8.2.js:24132
    predictLoop http://127.0.0.1:8080/tf.2.8.2.js:63601
    predict http://127.0.0.1:8080/tf.2.8.2.js:63704
    calc_loss http://127.0.0.1:8080/utils.js:103
    loss_function http://127.0.0.1:8080/utils.js:124
    gradients http://127.0.0.1:8080/tf.2.8.2.js:29870
    tidy http://127.0.0.1:8080/tf.2.8.2.js:17080
    scopedRun http://127.0.0.1:8080/tf.2.8.2.js:17094
    tidy http://127.0.0.1:8080/tf.2.8.2.js:17075
    y http://127.0.0.1:8080/tf.2.8.2.js:17798
    scopedRun http://127.0.0.1:8080/tf.2.8.2.js:17094
    gradients http://127.0.0.1:8080/tf.2.8.2.js:17793
    grad http://127.0.0.1:8080/tf.2.8.2.js:29869
    tidy http://127.0.0.1:8080/tf.2.8.2.js:17080
    scopedRun http://127.0.0.1:8080/tf.2.8.2.js:17094
    tidy http://127.0.0.1:8080/tf.2.8.2.js:17075
    grad http://127.0.0.1:8080/tf.2.8.2.js:29868
    gradient_ascent http://127.0.0.1:8080/utils.js:127
    handleTest http://127.0.0.1:8080/script.js:74
    promise callback*handleTest/< http://127.0.0.1:8080/script.js:69
    promise callback*handleTest http://127.0.0.1:8080/script.js:68
    EventListener.handleEvent* http://127.0.0.1:8080/script.js:126

我尝试过的：

我已经用 this repo (tfjs-examples) 中的 inputGradientAscent() 替换了损失函数和计算梯度的函数，但得到了类似的错误。而不是 x 未定义，它显示 _this2.gamma 未定义。
我没有通过使用调试器获得任何见解。
我使用过 tf.js 版本 2.0、2.4、2.7 和现在的 2.8.2，结果相同。