如何处理使用tf.assign()时的竞争条件？例如，如果我的代码如下：

y = tf.Variable(6,trainable=False,name='y');x = tf.Variable(0,trainable=False,name='x');assign_op = tf.assign( x, 2 );divide_op = y/assign_op;answer = sess.run([divide_op]); 

我的答案要么是3，要么是无穷大（0inf）。我唯一能想到的解决方法是将sess.run拆分为以下两步：

_ = sess.run([assign_op]);answer = sess.run([divide_op]);

我以为像上面那样创建操作依赖关系可以解决竞争条件问题，但实际上并没有。有人知道该怎么处理这个问题吗？

回答：

你需要研究一下控制依赖流控制函数：

https://www.tensorflow.org/api_docs/python/tf/Graph#control_dependencies

with tf.control_dependencies([assign_op]):    divide_op = y/assign_op

这将确保“assign_op”在块中的图元素之前完成执行。