模型训练数据集输入的特征参数12个（包含三组阀门的初始开度，调节目标开度，等待时间，操作时间）

模型训练数据集输出的标签1个（最大压力差），数值范围在0~150

对输入特征作了归一化处理，输出标签保持原数值

神经网路模型：多层感知

net = paddle.nn.Sequential(
        paddle.nn.Linear(input_dim, 32),
        paddle.nn.Tanh(),
        paddle.nn.Linear(32, 32),
        paddle.nn.Tanh(),
        paddle.nn.Linear(32, 32),
        paddle.nn.Tanh(),
        paddle.nn.Linear(32, out_dim)
    )

经过多次训练，每次训练的loss都很大 在1000数值左右，且没有下降趋势。

训练结束后用模型对不同输入参数进行预测，均输出同一个数值，这是怎么会事呢？该怎么解决？

如果把输出标签也作归一化到0~1 ，好像又能出效果？怎么回事