老师，在TF2.0的批归一化中还有training这个参数吗？

eval_ops_results = sess.run(
            eval_ops, #可能3、4，是一个变长值
            feed_dict={
                x: batch_data,
                y: batch_labels,
                is_training: True
            })

还有：

with tf.name_scope(‘train_op’):
# train_op = tf.train.AdamOptimizer(1e-3).minimize(loss)
optimizer = tf.train.AdamOptimizer(1e-3)
update_ops = tf.get_collection(tf.GraphKeys.UPDATE_OPS)
# 有两个方案使用batch_normalization，第一种如下面的代码使用control dependencies,
# 第二种是不使用control_dependencies, 但在下面训练代码中调sess.run的时候，把update_ops也加进去，即
# sess.run([train_op, update_ops, …], feed_dict = …)
with tf.control_dependencies(update_ops):
train_op = optimizer.minimize(loss)

这段代码中提到的control_dependencies，在TF2.0中也是需要添加的嘛