我有一个python函数，它需要一堆（1或2），并返回一个二维数组。我一直在尝试使用scipycurve_fit和least_squares来优化输入参数，以便得到的二维数组与另一个预先制作的二维数组相匹配。我遇到了两种方法都返回我的初始猜测作为收敛解的问题。在扯掉我头上的头发后，我发现问题在于，由于它对初始猜测值的增量太小，无法对函数返回的2D数组产生任何影响（因为阵列中的单元值被量化并且不连续），因此scipy假定其已经达到收敛（或局部最小值）。
我想知道是否有办法绕过这个问题（比如在猜测时强制它使用更大的增量）。谢谢。