如何在PyTorch中使用梯度下降来改变输入？

import torch
from torch.autograd import Variable

input_var = Variable(torch.randn(1, requires_grad=True))  # 输入变量，requires_grad=True表示需要计算梯度
target_var = Variable(torch.Tensor([0]))  # 目标变量

model = torch.nn.Linear(1, 1)  # 定义一个线性模型
criterion = torch.nn.MSELoss()  # 定义均方误差损失函数

optimizer = torch.optim.SGD([input_var], lr=0.01)  # 使用随机梯度下降优化器，将输入变量作为优化参数

for epoch in range(100):
    output = model(input_var)  # 模型预测输出
    loss = criterion(output, target_var)  # 计算损失
    optimizer.zero_grad()  # 梯度清零
    loss.backward()  # 反向传播计算梯度
    optimizer.step()  # 更新参数