tensorflow的平均值不'；我不能正常工作

上面是我运行mean_iou的代码。该代码的结果是：

import tensorflow as tf
import numpy as np

lab = tf.placeholder(shape=[None, None], dtype=tf.int32)
pred= tf.placeholder(shape=[None, None], dtype=tf.int32)

iou, conf_mat = tf.metrics.mean_iou(lab, pred, num_classes=2)
sess = tf.Session()
sess.run(tf.local_variables_initializer())

with tf.control_dependencies([conf_mat]):
    iou = tf.identity(iou)

_iou=sess.run(iou, {lab:[[1,1,1], [1,1,1]], pred:[[1,1,1],[1,1,1]]})
print(_iou)
print(sess.run('mean_iou/total_confusion_matrix:0'))

即使混淆矩阵给出了正确的结果，我的iou预期分数是1.0。 当我重新运行tf.control_dependencies下面的代码时，我会将混淆矩阵更新为[[0,0]，[0,12]，iou分数为1.0

但是，当我尝试先运行update ops for MISSION matrix，然后分别运行iou分数时，我得到了预期的结果

---

这是否意味着tensorflow在这方面会遇到一些错误？

这是一个正在提交的问题：谢谢，这正是我想要的：t tf指标不应该在对session.run的同一个调用中使用和更新，所以分别运行这两个操作。嗯，但是如果tensorflow支持它，会更好吗？在某些情况下，在一次调用中获得度量分数对于将度量集成到其他框架（如keras）来说必须更加方便。

0.0
[[0. 0.]
[0. 6.]]