Python PyTorch中的多层双向LSTM/GRU合并模式

我试图将我的代码从Keras复制到PyTorch中，以比较多层双向LSTM/GRU模型在cpu和gpu上的性能。我想研究不同的合并模式，例如“concat”（这是PyTorch中的默认模式）、sum、mul、average。合并模式定义如何将向前和向后方向的输出传递到下一层

在Keras中，这只是多层双向LSTM/GRU模型的合并模式的一个参数更改，PyTorch中是否也存在类似的情况？一种选择是在每一层之后手动执行合并模式操作并传递到下一层，但我想研究性能，所以我想知道是否还有其他有效的方法

谢谢