Neural network 如何修改pytorch中的rnn单元？

如果我想更改RNN单元（例如GRU单元）中的计算规则，我应该怎么做？
考虑到效率问题，我不想通过for或while循环实现它。
我看过pytorch的源代码，但似乎rnn单元的主要组件是用c代码实现的，我无法找到和修改。 您可以通过一个示例来回答这个问题：在没有现有版本的情况下实现GRU单元

谢谢~

是的，您可以“通过for或while循环”实现它。 由于PyTrac 1有JIT工作得很好（可能更好地使用最新的GITI版本的PyTrac，因为最近改进了JIT），并且依赖于您的网络和实现，就像在本地的PyTrac C++实现一样快（但仍然比CuDNN慢）。p> 您可以在

中看到示例实现。是的，您可以“通过for或while循环”实现它。 由于PyTrac 1有JIT工作得很好（可能更好地使用最新的GITI版本的PyTrac，因为最近改进了JIT），并且依赖于您的网络和实现，就像在本地的PyTrac C++实现一样快（但仍然比CuDNN慢）。p>

---

您可以在

中看到示例实现“您可以通过一个示例回答这个问题：在不使用现有版本的情况下实现GRU单元。”

“\_(ツ)_/“

还有其他愿望吗？…如果没有“for”或“while”循环，这种普通的方式将导致比标准GRU慢至少10倍。而且我使用的“GRU单元”可能不明确。实际上，我想修改单元以实现GRU层。“你可以通过一个示例来回答这个问题：在没有现有版本的情况下实现GRU单元。”

”\_(ツ)_/“

任何其他愿望？…如果没有“for”或“while”循环，这种普通的方式将导致比标准GRU和“GRU单元”慢至少10倍的速度”实际上，我想修改单元格来实现GRU层。谢谢。我用BATCHSIZE＝64，TimeStase= 512，EndoPosiDIM＝1024，OutPuxDIM＝128。RnnType＝GRU。在1080 TI上运行10次，只考虑前向过程。循环的NIVE需要516Ms，循环的JIT类需要506MS，GRUAPI需要204MS。p对时间步长度非常敏感。如果我们有2048个时间步，对于循环慢4次，gru api版本只慢3次。您没有禁用CuDNN，对吗？nn.gru Pytorch类调用CuDNN，这就是为什么它这么快。尝试

torch.backends.CuDNN.enabled=False

，nn.gru应该慢得多，接近python循环h JIT。不，我没有……这是一个悲伤的故事~ CuDNN非常感谢~谢谢你。我用BoTCHSIZE＝64测试，TimeStase= 512，IpPudioDIM＝1024，OutPuxDIM＝128。RnnType＝GRU。在1080个TI上运行10次，只考虑前向过程。循环的NIVE需要516Ms，一个循环的JIT类需要506MS，GRUAPI需要204Ms。oop对时间步长非常敏感。如果我们有2048个时间步长，对于循环慢4次，gru api版本只慢3次。您没有禁用CuDNN，对吗？nn.gru Pytorch类调用CuDNN，这就是为什么它这么快。尝试使用

torch.backends.CuDNN.enabled=False

，nn.gru应该慢得多，接近python循环w伊思·吉特。不，我没有……这就是悲伤的故事~CuDNN真的很坚强~~