NNI ModelSpeedupTensorRT是否支持编码器-Decoder模型?

**问题**：我有一个编码器解码器模型，使用 TensorRT 的包进行后训练量化。它采用 HuggingFace 保存模型格式。该模型是一个 TrOCR 模型，使用 HuggingFace VisionEncoderDecoder 类实现。使用 Transformers，编码器和解码器位于一个文件中，但保存为 ONNX 格式时，编码器和解码器变成两个不同的 ONNX 文件。 我正在尝试通过 ModelSpeedupTensorRT 运行此模型，使用此处的教程：https://nni.readthedocs.io/en/stable/tutorials/quantization_speedup.html。 当我尝试使用一个从数据加载器中生成的校准器来执行 `engine.compress_with_calibrator(calib)` 时，我遇到了一个错误，我的 CPU RAM 由于某种原因被转换为 ONNX 格式所占用。为了解决这个问题，我必须自己转换模型，使用 HuggingFace Optimum 接口来运行 ONNX。 当编辑源代码以适应此情况时，我发现 `build_engine_with_calib()` 方法的实现被 `compress_with_calibrator()` 调用：