我利用torch搭建了一个神经网络但是需要神经网络的输出控制在0-1之间训练后发生了梯度消失

class NN1(nn.Module):
    def __init__(self, d_in, d_hidden, d_out):
        super(Actor, self).__init__()
        self.linear1 = nn.Linear(d_in, d_hidden)
        self.linear2 = nn.Linear(d_hidden, d_hidden)
        self.linear3 = nn.Linear(d_hidden, d_hidden)
        self.linear4 = nn.Linear(d_hidden, d_hidden)
        self.linear5 = nn.Linear(d_hidden, d_out)

    def forward(self, x):
        x = self.linear1(x)
        x = F.sigmoid(x)
        x = self.linear2(x)
        x = F.sigmoid(x)
        x = self.linear3(x)
        x = F.sigmoid(x)
        x = self.linear4(x)
        x = F.sigmoid(x)
        x = self.linear5(x)
        x = F.relu(x)
        output = x.type(torch.float64)
        return output

肯定的是softmax是不能用的(需求原因)，我查了能输出在0-1之间的激活函数只有Sigmoid。

跑出来结果收敛不了，收敛图一直在横幅震荡没有梯度。

我查了有关资料，说是Sigmoid和tanh都是会产生梯度消失的，请问大佬们有没有办法将relu的输出控制在0-1之间或者有别的办法，小弟毕业论文很赶跪谢...

1. 把loss函数也放出来看看

2. 先把中间的sigmoid改成Relu（或者其他变种），最后一层使用sigmoid