machine-learning - 如何在pytorch中实现像GRU这样的高效结构？

Question

我有一个经过预训练的模型 A。该模型 A 将采用 x_{t-1} 和 p_{t} 来预测 x_{t}。因为它实际上是一个 PyTorch 神经网络，所以它是可微的。我想要做的是我希望这个模型沿着 P = {p_i}（从最后一层预测的序列）移动并预测 X = {x_i}。但是，要预测 x_{t}，此模型需要获取最后一帧 x_{t-1} 的输出。因此，我使用 for 循环实现了这个结构，这使得过程非常缓慢……</p>

有没有办法加速这个过程？这种结构与 GRU 或 LSTM 非常相似，但 GRU 速度要快得多，我该如何改进呢？

标签： machine-learningdeep-learningpytorchrecurrent-neural-network