假设我有两个张量,  p1并且p2在相同形状的张量流中包含概率,其中一些可能是零或一。他们计算对数似然的优雅方式是逐点计算:p1*log(p2) + (1-p1)*log(1-p2)?
使用 tensorflow 函数天真地实现它
p1*tf.log(p2) + (1-p1)*tf.log(1-p2)
冒着跟注的风险0*tf.log(0),这将给出一个nan.  
假设我有两个张量,  p1并且p2在相同形状的张量流中包含概率,其中一些可能是零或一。他们计算对数似然的优雅方式是逐点计算:p1*log(p2) + (1-p1)*log(1-p2)?
使用 tensorflow 函数天真地实现它
p1*tf.log(p2) + (1-p1)*tf.log(1-p2)
冒着跟注的风险0*tf.log(0),这将给出一个nan.