python 矩阵乘法 跳过nan_张量流：矩阵乘法和加法中的nan

我使用的是一个函数(ndegree_poly)，它可以得到一个张量和一个权重数组，并从中计算出多项式的结果。在

代码看起来很直接，但是当度数增加，或者函数被多次重复时，得到的张量包含一堆nan和inf。INF是合理的。但是，如果数字变得非常小，它们不应该变成零而不是nan吗？在import tensorflow as tf

function_degree = 10

def ndegree_poly(x, a, degree=6):

op = tf.add_n([tf.multiply(tf.pow(x, i), a[i]) for i in range(1, degree)])

return tf.add(op, a[0])

with tf.Session() as sess:

poly_weight = tf.Variable(tf.random_normal([function_freedom, 1, 5]))

mat = tf.Variable(tf.random_normal([2, 5]))

result0 = ndegree_poly(mat, poly_weight, function_degree)

result1 = ndegree_poly(result0, poly_weight, function_degree)

result2 = ndegree_poly(result1, poly_weight, function_degree)

result3 = ndegree_poly(result2, poly_weight, function_degree)

result4 = ndegree_poly(result3, poly_weight, function_degree)

sess.run(tf.global_variables_initializer())

print(sess.run(result4))

它打印：

^{pr2}$