Javascript 有没有一种方法可以从没有.dataSync（）的tensorflow.js变量中获取值？

标题有点不言自明。在将函数拟合到实验数据的优化过程的每次迭代之前，我需要得到一个变量的值。变量是c0和k，它们只是标量。使用.dataSync（）我得到一个错误，如下所示：

const c0_tensor = tf.scalar(c0).variable(), k_tensor = tf.scalar(k).variable();
// y = c0*e^(k*x)
const fun = (t) => t.mul(k_tensor).exp().mul(c0_tensor);
const cost = (pred, label) => pred.sub(label).square().mean();
const learning_rate = 0.1;
const optimizer = tf.train.adagrad(learning_rate);
// Train the model.
for (let i = 0; i < 500; i++) {
optimizer.minimize(() => cost(fun(x_tensor), y_tensor));
}; 

找不到任何变量与损失函数y=f（x）的结果之间的联系。请确保使用变量的操作在传递给minimize（）的函数f中。

代码如下：

const c0_tensor = tf.scalar(c0).variable(), k_tensor = tf.scalar(k).variable();
// y = c0*e^(k*x)
const fun = (t) => t.mul(k_tensor).exp().mul(c0_tensor);
const cost = (pred, label) => pred.sub(label).square().mean();
const learning_rate = 0.1;
const optimizer = tf.train.adagrad(learning_rate);
// Train the model.
for (let i = 0; i < 500; i++) {
optimizer.minimize(() => cost(fun(x_tensor), y_tensor));
}; 

const c0_tensor=tf.scalar（c0.variable（），k_tensor=tf.scalar（k.variable（）；
//y=c0*e^（k*x）
常量fun=（t）=>t.mul（k_张量）.exp（）.mul（c0_张量）；
const cost=（pred，label）=>pred.sub（label.square（）.mean（）；
常数学习率=0.1；
常量优化器=tf.train.adagrad（学习率）；
//训练模型。
for（设i=0；i<500；i++）{
最小化（（）=>成本（fun（x_张量），y_张量））；
}; 

---

我的问题是，是否有其他方法可以在不使用.dataSync（）的情况下将每次迭代中的c0和k值捕获到新的JS变量中？

请直接在代码中找到解释

let list_k = []
for (let i = 0; i < 500; i++) {
  // if you want to get all the values of k as the optimizations continues
  // push k in the array
  // however, the values downloaded from the backend could also be pushed
  // ie list_k.push(...k.dataSync())
  list_k.push(k)
  // do likewise for the other parameters
  optimizer.minimize(() => cost(fun(x), y));
}

// after the optimizations the k(s) values can be accessed here
// for example print them
tf.stack(list_k).print()

let list_k=[]
for（设i=0；i<500；i++）{
//如果希望在优化过程中获得k的所有值
//在数组中按k
//但是，也可以推送从后端下载的值
//ie list_k.push（…k.dataSync（））
列表k.推送（k）
//对其他参数也执行同样的操作
最小化（（）=>成本（乐趣（x），y））；
}
//优化后，可以在此处访问k（s）值
//例如，打印它们
tf.stack（list_k）.print（）

请直接在代码中找到解释

let list_k = []
for (let i = 0; i < 500; i++) {
  // if you want to get all the values of k as the optimizations continues
  // push k in the array
  // however, the values downloaded from the backend could also be pushed
  // ie list_k.push(...k.dataSync())
  list_k.push(k)
  // do likewise for the other parameters
  optimizer.minimize(() => cost(fun(x), y));
}

// after the optimizations the k(s) values can be accessed here
// for example print them
tf.stack(list_k).print()

let list_k=[]
for（设i=0；i<500；i++）{
//如果希望在优化过程中获得k的所有值
//在数组中按k
//但是，也可以推送从后端下载的值
//ie list_k.push（…k.dataSync（））
列表k.推送（k）
//对其他参数也执行同样的操作
最小化（（）=>成本（乐趣（x），y））；
}
//优化后，可以在此处访问k（s）值
//例如，打印它们
tf.stack（list_k）.print（）

明白了！这是一种很好的存储方式，它的运行速度似乎也一样快。我还想知道是否有一种方法可以在进行优化时将它们放入js变量中，而不是存储它们并在之后使用它们。然而，据我所知，这可能很难做到，因为张量存储在GPU中（这也会影响性能）。如果没有其他选择，我会接受这个答案。非常感谢。您可以使用回答中所示的数据同步。明白了！这是一种很好的存储方式，它的运行速度似乎也一样快。我还想知道是否有一种方法可以在进行优化时将它们放入js变量中，而不是存储它们并在之后使用它们。然而，据我所知，这可能很难做到，因为张量存储在GPU中（这也会影响性能）。如果没有其他选择，我会接受这个答案。非常感谢。您可以使用答案中所示的dataSync