mnist_ds.map()函数

`mnist_ds.map()`函数是 TensorFlow Dataset API 中的一个函数，用于对数据集进行转换和处理。它可以接受一个函数作为参数，该函数将被应用于数据集的每个元素。`map()`函数返回一个新的数据集，其中每个元素都是原始数据集中的元素经过指定函数处理后的结果。

对于MNIST数据集，可以使用`map()`函数来对数据进行预处理，例如将像素值归一化到[0,1]范围内，或者将标签从整数转换为独热编码等操作。以下是一个示例：

import tensorflow as tf
from tensorflow.keras.datasets import mnist

# 加载MNIST数据集
(x_train, y_train), (x_test, y_test) = mnist.load_data()

# 创建数据集对象
mnist_ds = tf.data.Dataset.from_tensor_slices((x_train, y_train))

# 定义一个函数，用于对数据集元素进行处理
def preprocess_fn(image, label):
    # 将像素值归一化到[0,1]范围内
    image = tf.cast(image, tf.float32) / 255.0
    # 将标签转换为独热编码
    label = tf.one_hot(label, depth=10)
    return image, label

# 对数据集应用处理函数
mnist_ds = mnist_ds.map(preprocess_fn)

# 打印数据集中的第一个元素
for image, label in mnist_ds.take(1):
    print(image.shape, label)

在上面的代码中，`preprocess_fn()`函数将像素值归一化到[0,1]范围内，并将标签转换为10维独热编码。然后，`map()`函数被用于将该函数应用到数据集的每个元素上，返回一个新的数据集对象。最后，我们使用`take()`函数从数据集中取出一个元素，并打印其形状和标签。