假设，我构建了只有两层的神经网络（隐藏层加输出层）。

在隐藏层中Zh=WhX + Bh,然后运用激活函数sigmoid，即Yh = sigmoid(Zh),所以说Yh的范围也就是0-1。

然后Yh作为输入值传到输出层，再次用Zo = WoYh + Bo,然后用激活函数sigmiod，即Yo = sigmoid(Zo)，Yo是预测值,也就是说Yo的范围也是0-1，再算得loss，即loss = （Y0 - 实际值）^2。

所以loss的图像是个碗形，我们就是要找碗的最低点。

但是我不理解的是，Yo的取值范围是 0-1，假设实际值是很大的数，所以用0.1 - 999的平方，和0.1 - 1000的平方几乎没有差别，假设实际值都是这么大的数，那岂不是无法计算？

初学神经网络，还请指教，谢谢。