关于TensorFlow控制依赖问题

import tensorflow as tf
 
#图的构建
with tf.Graph().as_default():
    #定义一个变量
    x = tf.Variable(initial_value=1,validate_shape=False ,dtype=tf.float32,name='x')
    #定义一个占位符
    input_y = tf.placeholder(dtype=tf.float32,shape=None,name='input_y')
    tmp = tf.multiply(x,input_y)
 
    # y = x * 3
    #赋值操作
    assign_op = tf.assign(x,tmp)
    #控制依赖
    with tf.control_dependencies(control_inputs=[assign_op]):
        y = x * 3
    with tf.Session()as sess:
        sess.run(tf.global_variables_initializer())
        for data in range(1,5):
            tmp_,assign_op_,y_ = sess.run([tmp,assign_op,y],feed_dict={input_y:data})
            print(data,y_)

问题：

为什么x对assign_op的依赖必须得到控制，而tmp 对x的依赖就不需要控制？