一周前，我在服务器上启动了一些任务。根据训练曲线和日志数据，一切看起来都很好。但是，我在代码中发现了一个错误：
update_ops = tf.get_collection(tf.GraphKeys.UPDATE_OPS, scope="ABC")
with tf.control_dependencies(update_ops):
optimizer = tf.train.AdamOptimizer(learning_rate=learning_rate)
grads = optimizer.compute_gradients(net_loss, var_list=self.tvars)
由于我的图形中没有“ ABC”范围，因此update_ops将为空列表[]。因此，“ with tf.control_dependencies（）”中的所有内容都不会依赖于update_ops。
但是，在初始调试期间，我意识到，即使我为update_ops使用了正确的作用域，所获得的正确update_ops都是与批处理规范相关的操作，例如AddMovingAvg。
我的图是SLIM的inception_v2模型。 （我猜想beta和gamma可以在培训期间进行更新，如果我错了，请纠正我）
我给人的印象是，BatchNorm不受control_dependencies（）的影响，并且只要有数据输入就可以开始运行。但是我不记得我从何处得出这个结论。
有人可以在这个问题上提供一些指导吗？