有什么方法可以减少pytorch的permute函数运行的时间？

我在使用pytorch的C++接口的张量转置函数permute时，发现这个函数在转换到CPU时调用的时间太多，大概是10ms，我现在想把这个速度提升到5毫秒左右，我应该怎么做？
代码如下: 


#include<torch/torch.h>
#include<torch/script.h>
#include<opencv2/opencv.hpp>

#include<iostream>

using namespace std;

void main(){

    cv::Mat image = cv::imread("C:\\Users\\Desktop\\1.jpg");  // filePaths[0]
    cv::resize(image, image, cv::Size(256, 256));

    torch::Tensor x = torch::from_blob(image.data, { 1,3,256,256 }, torch::kByte); // [1, 3, 256, 256]

    try
    {
        x = x.squeeze(0);
        double start = clock();
        torch::Tensor argmax_out = x.permute({ 1, 2, 0 }).to(torch::kCPU).detach().div(255.0).to(torch::kFloat32);   // 3
        
        cv::Mat resultImg(256, 256, CV_32FC3, argmax_out.data_ptr<float>());
        double end = clock();
        cout << "时间: " << double(end - start) << endl;
        cv::imshow("resultImg", resultImg);
    }
    catch (const c10::Error & e)
    {
        cout << e.msg() << endl;
    }

    cv::waitKey(0);
    system("pause");
}

以下是程序输出:

img

我认为唯一主要的加速将发生于并行。如果您因为cpu受限问题，那么利用多核是至关重要的。试着让每一行通过不同的（线程/进程）。当然，这会引起更多的问题，例如数据是否需要按照输入文件中的相同顺序排列。