学習前と学習後のモデルの重みが変化しません

実現したいこと

pytorchの学習をしております。
学習前と学習後のモデルの重みの変化を確認してたいです。

発生している問題・エラーメッセージ

モデルをMNISTを用いて一定回数学習した後の１つ目の全結合層の重みを学習前と学習後で確認しているのですが、変化が見られません。
Lossは落ちているので学習はしているのですが、重みが変化しないのはなぜでしょうか？

該当のソースコード

python

1import torch 2from torch import nn 3from torchvision import datasets, models, transforms 4 5import torch.nn.functional as F 6 7num_epochs = 2 # 学習を繰り返す回数8num_batch = 100 # 一度に処理する画像の枚数9learning_rate = 0.1 # 学習率10image_size = 28*28 # 画像の画素数(幅x高さ)11 12# GPU(CUDA)が使えるかどうか？13device = 'cuda' if torch.cuda.is_available() else 'cpu'14 15 16class Net(nn.Module):17 def __init__(self, input_size, output_size):18 super(Net, self).__init__()19 20 # 各クラスのインスタンス（入出力サイズなどの設定）21 self.fc1 = nn.Linear(input_size, 100)22 self.fc2 = nn.Linear(100, output_size)23 24 def forward(self, x):25 # 順伝播の設定（インスタンスしたクラスの特殊メソッド(__call__)を実行）26 x = self.fc1(x)27 x = torch.sigmoid(x)28 x = self.fc2(x)29 return F.log_softmax(x, dim=1)30 31 32# データセット33trainset = datasets.MNIST(root='./data', train=True, transform=transforms.ToTensor(), download=True)34trainloader = torch.utils.data.DataLoader(trainset, batch_size = 100)35 36# モデル37model = Net(image_size, 10).to(device)38 39# 学習前40print("before")41print(model.state_dict()['fc1.weight'])42 43# 適当に学習44optimizer = torch.optim.Adam(model.parameters(), lr = learning_rate) 45criterion = nn.CrossEntropyLoss()46 47for epoch in range(num_epochs): # 学習を繰り返し行う48 loss_sum = 049 model.train()50 51 for inputs, labels in trainloader:52 53 # GPUが使えるならGPUにデータを送る54 inputs = inputs.to(device)55 labels = labels.to(device)56 57 # optimizerを初期化58 optimizer.zero_grad()59 60 # ニューラルネットワークの処理を行う61 inputs = inputs.view(-1, image_size) # 画像データ部分を一次元へ並び変える62 63 outputs = model(inputs)64 65 # 損失(出力とラベルとの誤差)の計算66 loss = criterion(outputs, labels)67 loss_sum += loss 68 69 # 勾配の計算70 loss.backward()71 72 # 重みの更新73 optimizer.step()74 print(f"Epoch: {epoch+1}/{num_epochs}, Loss: {loss_sum.item() / len(trainloader)}")75 76model.eval()77# 学習後78print("after")79print(model.state_dict()['fc1.weight'])``` 80