训练时间长的模型

Question

在使用PyTorch对VGG-16模型进行卷积之后，我添加了一个LSTM层。随着时间的推移，模特们学得还不错。然而，在仅仅添加一个由32个LSTM单元组成的LSTM层之后，训练和评估的过程大约需要10倍的时间。你知道吗

我将LSTM层添加到VGG框架中，如下所示

def make_layers(cfg, batch_norm=False):
   # print("Making layers!")
    layers = []
    in_channels = 3
    count=0
    for v in cfg:
        count+=1
        if v == 'M':
            layers += [nn.MaxPool2d(kernel_size=2, stride=2)]
        else:
            conv2d = nn.Conv2d(in_channels, v, kernel_size=3, padding=1)
            if batch_norm:
                layers += [conv2d, nn.BatchNorm2d(v), nn.ReLU(inplace=True)]
            else:
                layers += [conv2d, nn.ReLU(inplace=True)]
                in_channels=v
        if count==5:
            rlstm =RLSTM(v)
            rlstm=rlstm.cuda()
            layers+=[rlstm]

RLSTM是我的自定义类，它实现了RowLSTM，来自Google的pixelrnn文件。你知道吗

这是一个常见的问题吗？一般来说，LSTM层的训练需要很长时间吗？你知道吗

Answer 1

是的，由于LSTM（和许多其他rnn）依赖于信息的顺序传送，因此您会损失cnn通常具有的大部分并行化加速。您还可以探索其他类型的RNN，它们利用了更多的可并行化算法，但与LSTM/GRU相比，它们的预测性能还没有定论