Python tensorflow控制依赖项

我正在尝试运行我在网上找到的一个非常简单的代码示例：

带有graph.as_default（）的

：
使用sess.as_default（）：
标签=tf.常数（[[1.0,0.0]，[0.0,1.0]，[0.0,1.0]]）
预测=tf.常数（[[1.0,0.0]，[0.0,1.0]，[0.0,1.0]]）
t=0.5
y_pred_=tf.to_int32（预测>t）
分数，up\u opt=tf.metrics.mean\u iou（标签，y\u pred\u3）
使用tf.control_依赖项（[up_opt]）：
分数2=1.0*分数
sess.run（[tf.local_variables_initializer（）]））
结果=sess.run（[score_2]）

这应该给我这个假例子的平均欠条。但是，如果我运行多次，我会得到不同的结果。我注意到运行

up\u opt

手动修复它：

带有graph.as_default（）的

：
使用sess.as_default（）：
标签=tf.常数（[[1.0,0.0]，[0.0,1.0]，[0.0,1.0]]）
预测=tf.常数（[[1.0,0.0]，[0.0,1.0]，[0.0,1.0]]）
t=0.5
y_pred_=tf.to_int32（预测>t）
分数，up\u opt=tf.metrics.mean\u iou（标签，y\u pred\u3）
sess.run（[tf.local_variables_initializer（）]））
sess.run（[up\u opt]）
结果=sess.run（[分数]）

---

但是，我想知道为什么控件依赖项不起作用。这不是应该自动运行操作符吗？

在第二个代码段中，没有定义

score_2

。你的意思是在那里添加

score_2=1.0*score

而不使用

with

语句吗？你用的是TF1.15吗？是打字错误。我打算

sess.run（[score]）

。我更新了我的问题。我用的是tensorflow 1.14