python之Tensorflow:tf.assign 不分配任何东西

我正在尝试实现批量归一化操作的一些微调版本；其中我需要明确保留移动平均值，如均值和方差。为了做到这一点，我正在对 Tensorflow 中的分配和控制依赖机制进行一些实验，但我遇到了一个神秘的问题。我有以下玩具代码；我在其中尝试测试 tf.control_dependencies 是否按预期工作:

dataset = MnistDataSet(validation_sample_count=10000,  
load_validation_from="validation_indices") 
samples, labels, indices_list, one_hot_labels =  
dataset.get_next_batch(batch_size=GlobalConstants.BATCH_SIZE) 
samples = np.expand_dims(samples, axis=3) 
 
flat_data = tf.contrib.layers.flatten(GlobalConstants.TRAIN_DATA_TENSOR) 
mean = tf.Variable(name="mean", initial_value=tf.constant(100.0, shape=[784], dtype=tf.float32), 
               trainable=False, dtype=tf.float32) 
a = tf.Variable(name="a", initial_value=5.0, trainable=False) 
b = tf.Variable(name="b", initial_value=4.0, trainable=False) 
c = tf.Variable(name="c", initial_value=0.0, trainable=False) 
batch_mean, batch_var = tf.nn.moments(flat_data, [0]) 
 
b_op = tf.assign(b, a) 
mean_op = tf.assign(mean, batch_mean) 
with tf.control_dependencies([b_op, mean_op]): 
    c = a + b 
 
init = tf.global_variables_initializer() 
sess = tf.Session() 
sess.run(init) 
 
results = sess.run([c, mean], feed_dict={GlobalConstants.TRAIN_DATA_TENSOR: samples}) 

我只是加载一个数据批处理，每个条目都有 784 个维度，计算它的矩并尝试将 batch_mean 存储到变量 mean 中。我也简单地将变量 a 的值存储到 b 中。

在最后一行中，当我针对 c 和 mean 的值运行图形时，我看到 c 为 10，即期望值。但是 mean 仍然是一个 100 的向量，并且不包含批处理均值。就像 mean_op = tf.assign(mean, batch_mean) 还没有被执行。

这可能是什么原因？据我所知，tf.control_dependencies 调用中的所有操作必须在以下上下文中的任何操作之前执行；我这里明确调用了c，在上下文中。我错过了什么吗？

请您参考如下方法:

这是一个 known "feature" tf.Session.run()。 c 和 mean 操作是独立的，因此 mean 可以在 c 之前评估(这将更新 意思是).

这是此效果的简化版本:

a = tf.Variable(name="a", initial_value=1.0, trainable=False) 
b = tf.Variable(name="b", initial_value=0.0, trainable=False) 
dependent_op = tf.assign(b, a * 3) 
with tf.control_dependencies([dependent_op]): 
  c = a + 1 
 
with tf.Session() as sess: 
  sess.run(tf.global_variables_initializer()) 
  print(sess.run([c, b])) 
  print(sess.run([b])) 

b 的第二次评估保证返回 [3.0]。但是第一个 run 可能会返回 [2.0 3.0] 或 [2.0 0.0]。