我有一个比我现在能理解的更复杂的数学，一个动态图形可视化。它使用弹簧和磁铁的物理隐喻，其中顶点充当相互排斥的磁铁，而边缘充当将顶点拉回到一起的弹簧。这个模拟目前有六个工作参数，我每隔一段时间从运行模拟中绘制出来。

我正在尝试找到生成稳定可视化所需的模拟设置。

到目前为止，我的方法是为固定排列（简单的四面体）制作一组设置和一组边长。我不完全确定我的目标是什么，因为我对机器学习还是很陌生，但我认为通过在数据收集运行期间随机化设置，我将能够预测边缘的长度一组给定的设置，然后使用回归找到与稳定边缘长度相对应的设置。

为此，我开始改编 Google 的Tensorflow.js 教程，跳过第一个数据可视化部分，因为我有 6 个设置输入和 6 个边长标签。

该模型如下所示：

  function createModel() {
    // Create a sequential model
    const model = tf.sequential(); 

    // Add a single hidden layer
    model.add(tf.layers.dense({inputShape: [6], units: 1, useBias: true}));

    // Add an output layer
    model.add(tf.layers.dense({ units: 6, useBias: true}));

    return model;
  }

在图形可视化“爆炸”后，我让模型训练，即添加边后顶点从屏幕上消失，沿途记录边的长度。但我被困在 testModel 功能上：

function testModel(model, inputData, normalizationData) {
    console.log('inputData.shape', inputData.shape);

    const {inputMax, inputMin, labelMin, labelMax} = normalizationData;  

    // Generate predictions for a uniform range of numbers between 0 and 1;
    // We un-normalize the data by doing the inverse of the min-max scaling 
    // that we did earlier.
    const [xs, preds] = tf.tidy(() => {

      const xs = tf.linspace(0, 1, 100);
      console.log('xs', xs)
      const preds = model.predict(xs.reshape([null, 6]));      

      const unNormXs = xs
        .mul(inputMax.sub(inputMin))
        .add(inputMin);

      const unNormPreds = preds
        .mul(labelMax.sub(labelMin))
        .add(labelMin);

      // Un-normalize the data
      return [unNormXs.dataSync(), unNormPreds.dataSync()];
    });


    const predictedPoints = Array.from(xs).map((val, i) => {
      return {x: val, y: preds[i]}
    });

    const originalPoints = inputData.map(d => ({
      x: d.settings, y: d.lengths,
    }));


    tfvis.render.scatterplot(
      {name: 'Model Predictions vs Original Data'}, 
      {values: [originalPoints, predictedPoints], series: ['original', 'predicted']}, 
      {
        xLabel: 'settings',
        yLabel: 'edge lengths',
        height: 300
      }
    );
  }

但具体来说，正是这些行引发了错误：

const xs = tf.linspace(0, 1, 100);
console.log('xs', xs)
const preds = model.predict(xs.reshape([null, 6]));   

（重塑！）

所以我现在的问题是：我如何告诉 tensorflow 给我一个包含 6 个随机值的列表来预测函数，而不仅仅是一个值？

提前致谢！

完整的示例目前位于此 github 页面。（点击 Construct Pyramid 并等待可视化炸毁，然后 tensorflow 将接管。）

也许整个方法是错误的，欢迎任何反馈。