Pytorch MLP总是返回相同的预测结果

我正在使用Pytork实现一个简单的多层感知器。我的输入数据是450维，输出是120维。我已经规范化了我的输入数据。我使用MSE作为损失函数，训练收敛

当我测试模型时，我发现无论输入是什么，输出几乎总是保持不变（对于所有120维）。我尝试过使模型更简单（2个隐藏层）或更复杂（最多7个隐藏层），但这种情况仍然发生

以下是我构建模型的方式：

class MLP(torch.nn.Module):
def __init__(self, D_in, D_out):
    super(MLP, self).__init__()
    self.linear_1 = torch.nn.Linear(D_in, 1000)
    self.linear_2 = torch.nn.Linear(1000, 1500)
    self.linear_3 = torch.nn.Linear(1500, 1000)
    self.linear_4 = torch.nn.Linear(1000, 750)
    self.linear_5 = torch.nn.Linear(750, 500)
    self.linear_6 = torch.nn.Linear(500, 250)
    self.linear_7 = torch.nn.Linear(250, D_out)
    self.sigmoid = torch.nn.Sigmoid()

def forward(self, x):
         
    x = self.sigmoid(self.linear_1(x))
    x = self.sigmoid(self.linear_2(x))
    x = self.sigmoid(self.linear_3(x))
    x = self.sigmoid(self.linear_4(x))
    x = self.sigmoid(self.linear_5(x))
    x = self.sigmoid(self.linear_6(x))
    y_pred = self.linear_7(x)
 
    return y_pred

---

有人能对此有什么见解吗？提前谢谢

你呢a）包含一段代码：这样人们就可以观察到你到目前为止所做的事情b）使用像sklearn的MLPregreressor这样的实现，并观察其结果，作为比较的是sakeThanks@Mercury！添加代码后，我还将尝试使用sklearn的模型，看看是否可以得到一些结果。