我在研究Pytorch，我在试着构造一个代码来得到最大似然估计。
我想在优化过程中加入一些限制，以考虑参数限制（参数空间），但在pytorch.optim中，我们似乎没有这样的东西。
例如，我想得到一个正态分布的最大似然估计，其均值为mu，标准差为sigma，其中mu是一个真实的，sigma是一个正数。
这样，我想在我的代码中对sigma进行一个限制，使其始终为posti
这里我的代码：

##### PACKAGES
import numpy as np
from scipy.integrate import quad
from scipy.optimize import minimize_scalar
import torch
from matplotlib import pyplot as plt
import pandas as pd
import math 
##### SAMPLE
np.random.seed(3)
sample = np.random.normal(loc=5, scale=2, size=(1000, 1))
##### TENSORS
X = torch.tensor(sample, dtype=torch.float64, requires_grad=False) ## X: sample
mu_ = torch.tensor(np.array([0.5]), dtype=torch.float64, requires_grad=True) ## mu: mean
s_ = torch.tensor(np.array([5]), dtype=torch.float64, requires_grad=True) ## s: standart desviation
##### OPTMIZATION METHOD: SGD
learning_rate = 0.0002
OPT_OBJ = torch.optim.SGD([mu_, s_], lr = learning_rate)
##### OPTIMAZTION METHOD
for t in range(2000):
    NLL = X.size()[0]*s_.log()+((((X-mu_)/s_ ).pow(2))/2).sum() ## negative log-likelihood
    OPT_OBJ.zero_grad()
    NLL.backward()
    if t % 100 == 0:
        print("Log_Likehood: {}; Estimate mu: {}; Estimate sigma: {}".format(NLL.data.numpy(), mu_.data.numpy(), s_.data.numpy()))
    OPT_OBJ.step()
print("True value of mu and sigma: {} e {}".format(5, 2))