对于大型阵列，Tensorflow tf.subtract花费的时间太长。tf.subtract花费的时间太长，对于大型阵列
我的工作站配置：
CPU：至强E5 2699 V3
纪念品：384 GB
GPU：NVIDIA K80
CUDA 8.5
CUDNN：5.1
Tensorflow：1.1.0，GPU版本
以下是测试代码和结果。
import tensorflow as tf
import numpy as np
import time
W=3000
H=4000
in_a = tf.placeholder(tf.float32,(W,H))
in_b = tf.placeholder(tf.float32,(W,H))
def test_sub(number):
sess=tf.Session()
out = tf.subtract(in_a,in_b)
for i in range(number):
a=np.random.rand(W,H)
b=np.random.rand(W,H)
feed_dict = {in_a:a,
in_b:b}
t0=time.time()
out_ = sess.run(out,feed_dict=feed_dict)
t_=(time.time()-t0) * 1000
print "index:",str(i), " total time:",str(t_)," ms"
test_sub(20)
结果：
指数：0总时间：338.145017624毫秒
索引：1周总时间：137.024879456毫秒
指数：2总时间：132.538080215毫秒
指数：3的总时间：133.152961731毫秒
指数：4的总时间：132.885932922毫秒
指数：5总时间：135.06102562毫秒
指数：6总时间：136.723041534毫秒
指数：7总时间：1 37.926101685毫秒
指数：8总时间：133.605003357毫秒
指数：9总时间：133.143901825毫秒
指数：10总时间：136.317968369毫秒
指数：11总时间：137.830018997毫秒
指数：12总时间： 135.458946228毫秒
指数：13总时间：132.793903351毫秒
指数：14总时间：144.603967667毫秒
指数：15总时间：134.593963623毫秒
指数：16总时间：135.535001755毫秒
指数：17总时间： 133 0.697032928毫秒
指数：18总时间：136.134147644毫秒
指数：19总时间：133.810043335毫秒
测试结果表明它（即，tf.subtract）花费超过130毫秒处置一个3000x4000减法，这显然太长了，特别是在NVIDIA的k80 GPU平台上。
任何人都可以提供一些方法来优化tf.subtract？ 在此先感谢。