Javascript Tensorflow.js与tf.train的反向传播

当我尝试在我的代码中实现此功能时，为了进行反向传播，请将（损失）最小化到tf.train.stg（learningRate）。我已经得到了多个错误，比如传递到variableGrads（f）中的f必须是一个函数。我将如何在下面的代码中成功实现上述功能？为什么会出现这种错误呢

神经网络：

var X = tf.tensor([[1,2,3], [4,5,6], [7,8,9]])
    var Y = tf.tensor([[0,0,1]])
    var m = X.shape[0]
    var a0 = tf.zeros([1,3])

    var parameters = {
        "Wax": tf.randomUniform([3,3]),
        "Waa": tf.randomUniform([3,3]),
        "ba": tf.zeros([1,3]),
        "Wya": tf.randomUniform([3,3]),
        "by": tf.zeros([1,3])
    }

   

    function RNN_cell_Foward(xt, a_prev, parameters){
        var Wax = parameters["Wax"]
        var Waa = parameters["Waa"]
        var ba = parameters["ba"]

        var a_next = tf.sigmoid(tf.add(tf.add(tf.matMul(xt, Wax), tf.matMul(a_prev , Waa)),ba) )

        return a_next
    }
    function RNN_FowardProp(X, a0, parameters){
        var T_x  = X.shape[0]
        var a_next = a0
        var i = 1
        var Wya = parameters["Wya"]
        var by = parameters["by"]
        
        for(; i <= T_x; i++){
            var xt = X.slice([i-1,0],[1,-1])
            a_next = RNN_cell_Foward(xt, a_next, parameters)
        }
        var y_pred = tf.sigmoid(tf.add(tf.matMul(a_next, Wya), by))
      return y_pred
    }
    const learningRate = 0.01;
    var optimizer = tf.train.sgd(learningRate);
    var model = RNN_FowardProp(X, a0, parameters)
    var loss = tf.losses.meanSquaredError(Y, model)



    for (let i = 0; i < 10; i++) {
        optimizer.minimize(loss)
    }

var X=tf.张量（[[1,2,3]，[4,5,6]，[7,8,9]）
变量Y=tf.张量（[[0,0,1]]）
var m=X.shape[0]
var a0=tf.零（[1,3]）
变量参数={
“蜡”：tf.随机均匀（[3,3]），
“Waa”：tf.随机均匀（[3,3]），
“ba”：tf.零（[1,3]），
“Wya”：tf.随机均匀（[3,3]），
“by”：tf.zeros（[1,3]）
}
函数RNN\u cell\u Foward（xt，a\u prev，参数）{
变量蜡=参数[“蜡”]
var Waa=参数[“Waa”]
var ba=参数[“ba”]
var a_next=tf.sigmoid（tf.add（tf.matMul（xt，Wax），tf.matMul（a_prev，Waa）），ba））
下一步返回a_
}
函数RNN_FowardProp（X，a0，参数）{
var T_x=x.shape[0]
var a_next=a0
变量i=1
var Wya=参数[“Wya”]
var by=参数[“by”]
这能回答你的问题吗？