下面是我想做的事情的简化版本：

import torch
import time

# Create dummy tensors and save them in my_list

my_list = [[]] * 100
for i in range(len(my_list)):
    my_list[i] = torch.randint(0, 1000000000, (100000, 256))
concat_list = torch.tensor([])

# I want to concat two consecutive tensors in my_list

tic = time.time()
for i in range(0, len(my_list), 2):
    concat_list = torch.cat((concat_list, my_list[i]))
    concat_list = torch.cat((concat_list, my_list[i+1]))
    # Do some work at CPU with concat_list
    concat_list = torch.tensor([]) # Empty concat_list
print('time: ', time.time() - tic) # It takes 3.5 seconds in my environment

有没有什么方法可以让上面的Tensor拼接更快？
我尝试将my_list[i]、my_list[i+1]和concat_list发送到GPU，并在设备中执行torch.cat函数，但随后我必须将concat_list发送回CPU，以完成上面所写的“一些工作”。由于频繁的GPU-CPU数据传输，这需要更多的时间。
我还测试了将Tensor转换为列表，以便与基本的Python列表进行连接，但这种方法比简单的torch.cat方法慢得多。
我听说将DataLoader与自定义的collate_fn一起使用可以启用连接，但我不知道如何实现它。
有没有更快的方法？