是什么让dynamic_rnn更快编译？

Question

我有一个复杂的网络，有许多重复的RNN步骤。编译需要很长时间（30多分钟，大部分都停留在渐变步骤），我发现this issue可能是相关的，它提到dynamic_rnn是一种更快的编译方式：

查看dynamic_rnn，然后重新格式化我的网络以包含一个while_loop，如下所示：

#input: tensor with 1000 time steps
def body(i, prev_state):
    inp = tf.slice(input, i, 1)
    new_state = cell(tf.squeeze(int), prev_state) # Includes scope reuse
    return [tf.add(i, tf.constant(1)), new_state]

def cond(i):
    return some_cond(i)

tf.while_loop(cond, body, [tf.constant(0), initial_state])

但这似乎没有帮助。除了简单地将单元调用放在循环中之外，还能使dynamic_rnn编译得更快吗？