使用虚拟变量最小化 PyTorch 中的函数

我是 PyTorch 的新手，所以我的问题可能很微不足道。

我正在尝试最小化一个可以在片段中恢复的函数

def target_function(params):
    vector = torch.zeros(10)
    μr = torch.zeros(2, requires_grad=True)
   
    θ = torch.zeros(2, requires_grad=True)

    μr = torch.tensor([params[0], params[4]], requires_grad=True)

    θ = torch.tensor([params[3], params[7]], requires_grad=True)
 
    for i in range(2):
        vector[i] += (μr[i]**2 - θ[i] ).sum()

    return torch.norm(vector)

我尝试通过执行优化

import matplotlib.pyplot as plt


# Initialize parameters with random values between 0 and 1
params = torch.rand(10, requires_grad=True)


# Choose an optimizer (e.g., SGD) and specify the learning rate
optimizer = SGD([params], lr=0.01)

num_steps = 100

# Lists to store the values of the target function during optimization
target_values = []

# Optimization loop
for i in range(num_steps):
    # Zero gradients
    optimizer.zero_grad()
    
    # Compute the function value
    output = target_function(params)
    
    # Store the function value
    target_values.append(output.item())
    
    # Compute gradients
    output.backward()
    
    # Update parameters
    optimizer.step()

# Plot the values of the target function during optimization
plt.plot(target_values)
plt.xlabel('Iteration')
plt.ylabel('Target Function Value')
plt.title('Optimization Progress')
plt.show()

但函数的值似乎在循环期间不会变化。调试我发现它可能取决于使用变量μr 和θ代码中。也许我正在做一些不应该做的事情，但我不明白如何解决这个问题，保持变量μr 和θ。

感谢您的任何帮助或解释