为什么是随机数发生器tf.random_制服在张量流中比numpy等价物快得多

Question

以下代码是我用来测试性能的代码：

import time
import numpy as np
import tensorflow as tf

t = time.time()
for i in range(400):
    a = np.random.uniform(0,1,(1000,2000))
print("np.random.uniform: {} seconds".format(time.time() - t))

t = time.time()
for i in range(400):
    a = np.random.random((1000,2000))
print("np.random.random:  {} seconds".format(time.time() - t))

t = time.time()
for i in range(400):
    a = tf.random_uniform((1000,2000),dtype=tf.float64);
print("tf.random_uniform: {} seconds".format(time.time() - t))

这三个部分都生成一个均匀随机的1000*2000矩阵，精度为400倍。时间上的差异是惊人的。在我的Mac电脑上

^{pr2}$

为什么tensorflow比numpy快得多？在

Answer 1

您刚刚创建了一个计算图，它生成一个输出随机数的操作。对于要计算的值，必须在tf.Session中执行图形。在

// build the graph
a = tf.random_uniform((1000,2000))

// run the graph
with tf.Session() as sess:
    t = time.time()
    for i in range(400):
        computed_rand_values = sess.run(a)
    //print(...)

我没有测试，但我相信计算时间会比以前的结果长