Javascript 如何在Tensorflow.js中训练卷积生成的对抗网络？

我正在上学习教程。
虽然本教程是用python编写的，但我尝试在node.js上使用tensorflow.js实现它。
我已经能够理解如何翻译所使用的大多数方法，除了在实际设置以下培训步骤过程时

#注意'tf.function'的用法`
#此注释导致函数被“编译”。
@功能
def系列步骤（图像）：
噪音=tf.随机.正常（[批次大小，噪音大小]）
tf.GradientTape（）作为gen_磁带，tf.GradientTape（）作为disc_磁带：
生成的图像=生成器（噪声，训练=真）
真实输出=鉴别器（图像，训练=真实）
假_输出=鉴别器（生成的_图像，训练=真）
发电机损耗=发电机损耗（假输出）
光盘损耗=鉴别器损耗（真实输出、假输出）
发电机梯度=发电机磁带梯度（发电机损耗、发电机可训练变量）
鉴别器的梯度=盘带梯度（盘损耗、鉴别器、可训练变量）
生成器\优化器。应用\梯度（zip（生成器、生成器的梯度\可训练\变量））
鉴别器\优化器。应用\梯度（zip（鉴别器的梯度，鉴别器。可训练的\变量））

显然，这里并非所有内容都可以翻译为tensorflow.js。
到目前为止，我无法确定如何获得梯度并将其应用于优化器。
我曾尝试使用

tf.grad

和

tf.grads

函数，但没有效果。
以下是我目前掌握的情况：

功能训练步骤（图像）{
常数噪声=tf.randomNormal（[BATCH_SIZE，noiseDim]）；
const generated=gen.apply（noise，{training:true}）；
const realOut=dis.apply（图像，{training:true}）；
const genOut=dis.apply（生成，{training:true}）；
const genLoss=发电机损耗（genOut）；
const disposs=鉴别器丢失（realOut，genOut）；
//现在怎么办？
}

在tensorflow.js中有没有比指南中显示的更好的方法

---

如果有人能为我指出正确的方向，我将不胜感激。

请尝试TensorFlow.js的官方代码库：

---

这是针对MNIST的，但一旦您了解了这一点，就可以将其应用于您自己的数据集。

请尝试TensorFlow.js的官方代码实验室：

这是针对MNIST的，但一旦您了解了这一点，就可以应用于您自己的数据集