我正在研究使用 cifar10 数据集训练 CNN 的 tensorflow 卷积神经网络教程的代码。源代码位于Gihub中，文档位于Document中。
我的问题是关于第375-378 行中ExponentialMovingAverage( doc here )的使用。cifar10.py这是
with tf.control_dependencies([apply_gradient_op, variables_averages_op]):
train_op = tf.no_op(name='train')
return train_op
在这里，这variables_averages_op是一个更新所有阴影变量apply_gradient_op的操作，并且是将计算梯度应用于所有原始变量的操作（它更新原始变量，也就是模型权重）。
由于control_dependencies不保证其传递参数的执行顺序，因此在本例中apply_gradient_op和的执行顺序variables_averages_op是任意的，这进一步表明，在运行 时train_op，我们最终可能会首先更新原始变量，然后更新对应的影子变量，或在原始变量之前更新影子变量。后一种对我来说似乎不合理。
根据ExponentialMovingAverage（上面的链接）的官方文档，阴影变量的更新依赖于原始变量：
shadow_variable = decay * shadow_variable + (1 - decay) * variable
原始变量的更新应该在影子变量的更新之前，教程代码中不是这种情况。
谁能帮我清除一下？谢谢。