tf.control_dependencies()是用来控制计算流图的，给图中的某些节点指定计算的顺序。
原型：
tf.control_dependencies(self, control_inputs)
该函数接受的参数control_inputs，是Operation或者Tensor构成的list。
例子：确保获得更新后的参数：
opt = tf.train.Optimizer().minize(loss)
with tf.control_dependencies([opt]): #先执行opt
updated_weight = tf.identity(weight) #再执行该操作
with tf.Session() as sess:
tf.global_variables_initializer().run()
sess.run(updated_weight, feed_dict={...}) # 这样每次得到的都是更新后的weight
原文：https://www.cnblogs.com/HYWZ36/p/11432681.html