我目前正在通过PyTorch开发一个解决方案，我不打算分享确切的解决方案，但我会提供代码来重现我遇到的问题。
我有一个模型定义如下：

class Net(nn.Module):
    def __init__(self):
        super(Net,self).__init__()
        self.fc1 = nn.Linear(10,4)

    def foward(self,x):
        return nn.functional.relu(self.fc1(x))

然后创建一个示例：my_model = Net()。接下来我创建一个Adam优化器，如下所示：

optim = Adam(my_model.parameters())

# create a random input
inputs = torch.tensor(np.array([1,1,1,1,1,2,2,2,2,2]),dtype=torch.float32,requires_grad=True)

# get the outputs
outputs = my_model(inputs)

# compute gradients / backprop via
outputs.backward(gradient=torch.tensor([1.,1.,1.,5.]))

# store parameters before optimizer step
before_step = list(my_model.parameters())[0].detach().numpy()

# update parameters via
optim.step()

# collect parameters again
after_step = list(my_model.parameters())[0].detach().numpy()

# Print if parameters are the same or not
print(np.array_equal(before_step,after_step)) # Prints True

我向Adam优化器提供了我的模型参数，所以我不确定为什么参数没有更新。我知道在大多数情况下使用损失函数，但是我不能在我的情况下这样做，但是我假设如果我向优化器指定模型参数，它会知道连接两者。
有人知道为什么参数没有更新吗？