Tensorflow.js Пожалуйста, убедитесь, что операции, которые используют переменные, находятся внутри функции f, переданной для минимизации ()

Я начал использовать javascript и TensorFlow.js для работы над некоторыми проектами машинного обучения, я работаю над созданием модели линейной регрессии, однако я не могу понять, что вызывает эту ошибку

Невозможно найти связь между любой переменной и результатом функции потерь y = f (x). Убедитесь, что операции, в которых используются переменные, находятся внутри функции f, переданной для минимизации(). "

Я создал два тензора

globalTensorXs = tf.tensor2d(globaArrayXs); //input data
globalTensorYs =  tf.tensor1d(globaArrayYs); //y output

Я создал коэффициенты/веса, как показано ниже, как массив tf-скаляров.

function createWeights(_numWeights)
{       
  for ( var x = 0; x < _numWeights; x++)
  {
  globalWeightsTensorArr.push(tf.variable(tf.scalar(Math.random())));  
 }      
} 

Существует функция обучения, в которую я передаю тензоры x и y, это призыв к оптимизации. Minimize, который вызывает проблему. он не обнаруживает переменную для обучения, которая хранится в globalWeightsTensorArr

async function train(xsTensor, ysTensor, numIterations)
{

    /*//////OPTIMISER.MINIMISE/////////////
    Minimize takes a function that does two things:
    It predicts y values for all the x values using the predict 
    model function. 
    It returns the mean squared error loss for those predictions 
    using the loss function. Minimize then automatically adjusts any 
    Variables used by thi predict/loss function in order to minimize 
    the return value (our loss), in this case the variables are in 
    "globalWeightsTensorArr" which contains the coefficient values 
     to be altered by the modeld during "numIterations" iterations of 
     SGD.
*/

  for (let iter = 0; iter < numIterations; iter++) 
  {     
      optimiser.minimize(function ()
      {
        return loss(predict(xsTensor), ysTensor);
       }, globalWeightsTensorArr);          
  }

}

//функция прогнозирования и потери здесь...

//Следующий код создает функцию прогнозирования, которая принимает входные данные (X's)//и возвращает предсказание Y: оно представляет нашу "модель". Учитывая вход //'xs', он попытается и * предсказать соответствующий вывод 'y'.

function predict(_Xs) 
{           
    return tf.tidy(() => {  
    for ( var x = 0; x < 8; x++)
        globalWeightsArr[x] = globalWeightsTensorArr[x].dataSync();
        const weightTensor =  tf.tensor1d(globalWeightsArr); 
        const prediction = tf.dot(_Xs, weightTensor);
        return prediction;
 });        
}

//Функция потерь принимает предсказания из функции прогнозирования//и фактических таблиц и корректирует весовые коэффициенты//весы считаются любой тензорной переменной, воздействующей на//функцию. Мы можем определить функцию потери MSE в TensorFlow.js следующее:

function loss(_predictedTensor, _labels) 
{
const meanSquareError =_predictedTensor.sub(_labels).square().mean();
return meanSquareError ;
}

кто-нибудь может помочь объяснить проблему?

С уважением, Айдеен