用pytorch编写一段代码，模拟在目标检测中，锚框向目标框拟合的过程，满足以下要求：1、初始化锚框在目标框内部且两框的中心点重合；2、以两框之间的CIoU loss 作为优化目标函数3、使用梯度下降法优化锚框的参数；4、迭代10次

import torch # 初始化锚框
anchor_box = torch.tensor([[0.0, 0.0, 0.0, 0.0]])
# 初始化目标框
target_box = torch.tensor([[0.0, 0.0, 0.0, 0.0]])
# 计算两框的中心点
anchor_center = (anchor_box[:, :2] + anchor_box[:, 2:]) / 2
target_center = (target_box[:, :2] + target_box[:, 2:]) / 2
# 计算两框间的距离
distance = torch.abs(anchor_center - target_center)
# 将中心点重合
anchor_box[:, :2] = target_box[:, :2] - distance
anchor_box[:, 2:] = target_box[:, 2:] + distance
# 使用CIoU loss作为优化目标函数
def ciou_loss(anchor_box, target_box):
loss = torch.mean((anchor_box - target_box)**2)
return loss
# 使用梯度下降法优化锚框的参数
optimizer = torch.optim.SGD(anchor_box.parameters(), lr=0.01)
# 迭代优化
for i in range(10):
optimizer.zero_grad()
loss = ciou_loss(anchor_box, target_box)
loss.backward()
optimizer.step()