我第一次尝试使用GPU计算，当然希望能够大幅度提高速度。但是，使用tensorflow中的一个基本示例实际上更糟：

在cpu：0上，十次运行的平均时间为2秒，gpu：0耗时2.7秒，而gpu：1比cpu：0差3秒，即降低50％。

这是代码：

import tensorflow as tf
import numpy as np
import time
import random

for _ in range(10):
    with tf.Session() as sess:
        start = time.time()
        with tf.device('/gpu:0'): # swap for 'cpu:0' or whatever
            a = tf.constant([random.random() for _ in xrange(1000 *1000)], shape=[1000, 1000], name='a')
            b = tf.constant([random.random() for _ in xrange(1000 *1000)], shape=[1000, 1000], name='b')
            c = tf.matmul(a, b)
            d = tf.matmul(a, c)
            e = tf.matmul(a, d)
            f = tf.matmul(a, e)
            for _ in range(1000):
                sess.run(f)
        end = time.time()
        print(end - start)

我在这里观察什么？运行时间是否主要由在RAM和GPU之间复制数据主导？