Tensorflow 2.0中的tf.function如何优化tf.data.Dataset的使用？

Question

Tensorflow 2.0的official documentation建议与tf.data.Dataset一起使用tf.function。

有两个这样的用法示例：

• 使用Dataset作为tf.function的自变量，如here所述：

@tf.function
def train(model, dataset, optimizer):
  for x, y in dataset:
      ....

• 如here所述，在Dataset主体中创建本地tf.function：

@tf.function
def train(model, optimizer):
  train_ds = mnist_dataset()
  ...

最后，autograph doc指出Dataset对tf.function的迭代进行了优化。 This SO answer确实表明，使用Dataset作为tf.function的参数可以提高性能。

因此，tf.data.Dataset如何从tf.function中受益，又如何解释this SO answer的提速：

• "foor loop optimization"本身如何提高速度？
• Dataset跟踪器如何处理tf.function对象。像在参数中或作为局部变量示例一样，即使tf.function documentation建议原始函数只接受Dataset，我们如何在tf.function中使用Tensor？
• Dataset子图之间（然后可以在tf.function子图中使用）之间是否存在某种通信/共享，或者两者是完全分开的（意味着Dataset只是用作tf.function的黑盒迭代器）？