Tensorflow中Dataset对象的apply()、map()和flat_map()方法间的区别

apply()、map()和flat_map()三中方法都可以用于转换Dataset对象中的数据。它们的区别是：

方法	官网原文	作者理解
apply()	Applies a transformation function to this dataset. apply enables chaining of custom Dataset transformations, which are represented as functions that take one Dataset argument and return a transformed Dataset.	apply() 方法将转换函数应用于输入Dataset，返回结果是转换后的新Dataset
map()	Maps map_func across the elements of this dataset. This transformation applies map_func to each element of this dataset, and returns a new dataset containing the transformed elements, in the same order as they appeared in the input. map_func can be used to change both the values and the structure of a dataset’s elements.	map() 方法将转换函数依次应用于输入Dataset中的每一个元素（element），返回结果是转换后的新Dataset
flat_map()	Maps map_func across this dataset and flattens the result.	flat_map() 方法是将Dataset对象中的数据先展平形成一个新的Dataset，然后再将转换函数应用于这个新Dataset，并返回转换结果（是一个Dataset）。ps：相当于先将输入Dataset展平，然后再对展平后的Dataset应用一次apply()方法。