Pytorch:如何针对多个损失优化多个变量？

import torch
import torch.optim as optim

# 定义两个变量 var1 和 var2
var1 = torch.tensor([1.0], requires_grad=True)
var2 = torch.tensor([2.0], requires_grad=True)

# 定义两个损失函数 loss1 和 loss2
loss1 = var1 ** 2
loss2 = var2 ** 2

# 创建两个优化器，分别用于优化 var1 和 var2
optimizer1 = optim.SGD([var1], lr=0.1)
optimizer2 = optim.SGD([var2], lr=0.1)

# 训练循环
for i in range(100):
    # 前向传播计算损失函数
    loss1 = var1 ** 2
    loss2 = var2 ** 2
    
    # 反向传播和参数更新
    optimizer1.zero_grad()
    loss1.backward()
    optimizer1.step()
    
    optimizer2.zero_grad()
    loss2.backward()
    optimizer2.step()

# 打印优化后的变量值
print(var1)  # 输出：tensor([-0.], requires_grad=True)
print(var2)  # 输出：tensor([-0.], requires_grad=True)

import torch
import torch.optim as optim

# 定义两个变量 var1 和 var2
var1 = torch.tensor([1.0], requires_grad=True)
var2 = torch.tensor([2.0], requires_grad=True)

# 定义两个损失函数 loss1 和 loss2
loss1 = var1 ** 2
loss2 = var2 ** 2

# 创建优化器
optimizer = optim.SGD([var1], lr=0.1)

# 添加第二个参数组（对应 var2）
optimizer.add_param_group({'params': var2, 'lr': 0.1})

# 训练循环
for i in range(100):
    # 前向传播计算损失函数
    loss1 = var1 ** 2
    loss2 = var2 ** 2
    
    # 反向传播和参数更新
    optimizer.zero_grad()
    loss1.backward()
    loss2.backward()
    optimizer.step()

# 打印优化后的变量值
print(var1)  # 输出：tensor([-0.], requires_grad=True)
print(var2)  # 输出：tensor([-0.], requires_grad=True)