with tf.control_dependencies(update_ops): optimizer = tf.compat.v1.train.AdamOptimizer(learning_rate=learning_rate).minimize(cost, global_step=global_step) optimizer = tf.group([optimizer, update_ops])得到optimizer是什么类型，怎么计算两个optimizer的平均值

根据你的代码片段，`optimizer` 是一个 TensorFlow 的操作（operation）。它被定义为使用 Adam 优化器来最小化 `cost`，并且通过 `tf.group()` 函数与 `update_ops` 建立依赖关系。

要计算两个 optimizer 的平均值，你可以使用 TensorFlow 的 `tf.add()` 函数和除法操作。首先，使用 `tf.add()` 将两个 optimizer 相加，然后除以 2 来得到平均值。示例代码如下：

optimizer_sum = tf.add(optimizer1, optimizer2)
optimizer_avg = tf.divide(optimizer_sum, 2)

确保 `optimizer1` 和 `optimizer2` 是正确的 optimizer 对象，然后执行上述操作即可获得两个 optimizer 的平均值 `optimizer_avg`。