python - より大きな値に使用すると tf.sigmoid() がオーバーフローする

Question

Matlab (アンドリュー ng による Coursera の ML コース) で学んだ tensorflow を使用して、Python で単変量ロジスティック回帰モデルを作成しようとしています。モデルは、最初の theta0 および theta1 変数が小さく (約 1.00) 定義されている場合にのみ収束しますが、初期値が 100.00 に設定されている場合は収束値を nan として返します。また、学習率を上げても同じことが起こります。パイソンコードは

import tensorflow as tf
import numpy as np
import os
import matplotlib.pyplot as plt


os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
epoch = 100000


x_data = (np.random.rand(100)*100).astype(np.float64)
y_data = np.vectorize(lambda y: 0.00 if y < 50.00 else 1.00)(x_data)

theta0 = tf.Variable(1, dtype=tf.float64)
theta1 = tf.Variable(-1, dtype=tf.float64)

hypothesis = theta0 + (theta1 * x_data)
hypothesis = tf.sigmoid(hypothesis)

term1 = -(y_data * tf.log(hypothesis))
term2 = -((1-y_data) * tf.log(1-hypothesis))

loss = tf.reduce_mean(term1 + term2)

optimizer = tf.train.GradientDescentOptimizer(0.006).minimize(loss)
init_var = tf.global_variables_initializer()

train_data = []
with tf.Session() as sess:
    sess.run(init_var)
    for i in range(epoch):
        train_data.append(sess.run([optimizer, theta0, theta1, loss])[1:])
        if i%100==0:
            print("Epoch ", i, ":", sess.run([theta0, theta1, loss]))

説明されているコードの動作と修正の説明、または上記の目的のためのより良いコードでさえも深く感謝します。