我正在尝试使用tf.div（）将一个张量除以相同形状的另一个张量。这是我的尝试：
tf.div((y-logits),y)
其中：
y: <tf.Tensor 'Placeholder_1:0' shape=(2, 60) dtype=float32>
logits: <tf.Tensor 'Tanh:0' shape=(2, 60) dtype=float32>
结果张量输出为“ nan”。即使我更改了除数，例如用（y-logit）替换为y（以使两个张量具有相同类型并隔离可能存在的复杂度），也是这样。
其他背景：我正在尝试通过减去对数和目标向量，然后除以目标向量（逐元素）来创建对数的准确性度量。
最后一条评论：tf.div(logits,logits)产生一个非nan值。也许y是一个占位张量的事实在某个地方引入了内部误差？我怎么能克服这个问题？
编辑（说明）：
1。）y张量中没有NaN值。但是，有0e + 00s；这将创建分母为零的实例。
2。）这不是分类问题。因此，tf.equal(tf.argmax(y,1),tf.argmax(logits,1))不是适用的准确性指标。我已经在使用tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits_v2(labels= y,logits= logits))来创建损失函数。我只是想将目标向量中的值与输出向量中的各个值（对数）进行比较，并认为做到这一点的最佳方法是误差百分比。
所以..我似乎无法使用此方法来确定准确性。我还可以通过什么其他方式计算精度？ RMSE技术？