Python 为什么sigmoid函数的输出层得到值0或1{0,1}而不是[0,1]中的值

我正在实现deepdeterministicpolicygradient（DDPG），通过遵循本教程（）并使用python源代码（）来解决我的问题

动作数为3（alpha、beta、gamma），状态维度数为2。我想得到[0,1]中3个动作的值，所以我将类Actor的输出层（第三层）从“tanh”函数更改为文件“ddpg_orig_tf.py”中的“sigmoid”函数。然而，当我尝试这个算法来解决我的问题时，它只在3个动作中获得了值0或1{0,1}，在区间[0,1]中没有随时间变化。我想问题不是激活函数，我试着换成tanh，它也只得到了{-1,1}

• 下面是我在“ddpg_orig_tf.py”中更改的代码：我在输出层将“tanh”更改为“sigmoid”

def构建_网络（自）：
使用tf.variable_作用域（self.name）：
self.input=tf.placeholder（tf.float32，
形状=[None，*self.input_dims]，
name='inputs'）
self.action_gradient=tf.placeholder（tf.float32，
shape=[None，self.n_actions]，
name='gradients'）
f1=1np.sqrt（自身fc1_dims）
密度1=tf.layers.dense（self.input，units=self.fc1_dims，
内核初始化器=随机一致（-f1，f1），
偏差\初始值设定项=随机\均匀（-f1，f1））
batch1=tf.layers.batch\u规范化（dense1）
层1_激活=tf.nn.relu（批次1）
f2=1。/np.sqrt（自身fc2_dims）
密度2=tf.layers.致密（layer1\u激活，单位=self.fc2\u dims，
内核初始化器=随机一致（-f2，f2），
偏差初始值设定项=随机均匀（-f2，f2））
batch2=tf.layers.batch\u标准化（dense2）
层2_激活=tf.nn.relu（批次2）
f3=0.003
mu=tf.layers.dense（第二层激活，单位=自我n行动，
激活=乙状结肠'，
内核初始化器=随机一致（-f3，f3），
偏差\初始值设定项=随机\均匀（-f3，f3））
self.mu=tf.multiply（mu，self.action\u绑定）

• 这是我的环境：

导入健身房
从健身房导入空间
从gym.utils导入种子
将numpy作为np导入
从操作系统导入路径
类P_nomenv（）：
定义初始值（自身，距离1，距离2，功率，B=15000，N0=10**-20，路径损耗=2，g=1）：
self.B=B#带宽
self.N0=N0
self.path\u loss=路径损耗
self.g=g
self.alpha_low=0。
self.alpha_high=1。
self.beta_low=0。
self.beta_high=1。
self.gamma_low=0。
self.gamma_高=1。
self.distance1=np.random.randint（30500）
self.distance2=2*distance1
自我力量=力量
self.max_迭代=1000
self.high=np.array（[self.B，self.power]）
self.action_space=spaces.Box（低=0，高=1，形状=（3，），数据类型=np.float32）
self.observation_space=spaces.Box（低=np.array（[0.1,0.0001]），高=np.array（[self.B，self.power]），dtype=np.float32）
self.seed（）
def种子（自身，种子=无）：
self.np_random，seed=seeding.np_random（seed）
返回[种子]
def cal_SINR_near（自身、α、β、γ、g、距离1、路径损耗、功率、B、N0）：
h_近距离=g*（距离1**-路径损耗）
信道噪声=B*N0#1子信道
非重叠=（np.平方（np.绝对（h_近））*功率*0.5*（1-beta））/信道噪声
重叠=（np.平方（np.绝对（h_近））*功率*伽马*（α+β）*0.5）/（通道噪声+（np.平方（np.绝对（h_近））*功率*（1-伽马）*（α+β）*0.5））
SINR\u near=非重叠+重叠
返回SINR_附近
def cal_SINR_far（自身、α、β、γ、g、距离2、路径损耗、功率、B、N0）：
h_far=g*（距离2**-路径损耗）
信道噪声=B*N0#1子信道
非重叠=（np.平方（np.绝对（h_far））*功率*0.5*（1-alpha））/信道噪声
重叠=（np.平方（np.绝对（h_far））*功率*（1-伽马）*（α+β）*0.5）/（通道噪声
+（np.平方（np.绝对（h_far））*幂*伽马*（α+β）*0.5）
SINR\u far=非重叠+重叠
返回SINR_far
定义校准和速率（自身、近信噪比、远信噪比、B、α、β）：
R_近邻=（1+alpha）*0.5*B*np.log2（1+SINR_近邻）
R_far=（1+beta）*0.5*B*np.log2（1+SINR_far）
总回报率=近回报率+远回报率
回报率
def正常化（自我，x）：
归一化=（x+1.2）/2.4
返回标准化
def步骤（自我、行动）：
自行采取的步骤+=1
B、 P=自我状态
新的α=np.clip（动作，self.alpha低，self.alpha高）[0]
new_beta=np.clip（动作，self.beta\u低，self.beta\u高）[1]
新的伽马=np.clip（动作，自伽马低，自伽马高）[2]
SINR\u near=self.cal\u SINR\u near（新α、新β、新γ、self.g、self.distance 1、self.path\u损耗、self.power、self.B、self.N0）
SINR\u far=self.cal\u SINR\u far（新α、新β、新γ、self.g、self.distance 2、self.path\u损耗、self.power、self.B、self.N0）
奖励=自校准和费率（近信、远信、自B、新阿尔法、新贝塔）
完成=self.steps\u taked>=self.max\u迭代
新的=（1-新的测试版）*0.5*self.B+（新的测试版+新的测试版）*0.5*self.B
P_new=（1-新β）*0.5*自功率+（新α+新β）*0.5*新γ*自功率
self.state=np.array（[B_new，P_new]）
返回自我。获得行动，奖励，完成，{}，新阿尔法，新贝塔，新伽马
def_get_obs（自我、行动）：
新的α=np.clip（动作，self.alpha低，self.alpha高）[0]
新测试版=