为什么张量流中的随机数生成器 tf.random_uniform 比等效的 numpy 快得多

Question

以下代码是我用来测试性能的：import timeimport numpy as npimport tensorflow as tft = 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))所有这三个段都以双精度 400 次生成均匀随机的 1000*2000 矩阵。时间差异是惊人的。在我的 Mac 上，np.random.uniform: 10.4318959713 secondsnp.random.random:  8.76161003113 secondstf.random_uniform: 1.21312117577 seconds为什么 tensorflow 比 numpy 快得多？