Informer和Autoformer的解码器部分完全没有发挥应有的作用

[CXL-edu]

基于Transformer的模型，其解码器在训练的时候可以采用teacher-forcing进行加速训练，在后期还可以根据epoch控制真实值和预测值的比例。但是在评估、推断/预测阶段，解码器的输入应该根据其上一时刻的输出迭代更新，再继续作为输入，以达到自回归的目的。

dec_in : [batch, pred_len, d_model]，为简化，假设batch和d_model都为1
dec_out : [batch, pred_len, d_model]

dec_in = [[[0], [0] ... [0]]]  # 初始化的解码器输入，用来预测第一个时刻的值 ，模型输出为dec_out_1
...
dec_in = [[dec_out_1[0, 0], [0] ... [0]]]  # 第一次更新后的解码器输入，用来预测第二个时刻的值，模型输出为dec_out_2
...
dec_in = [[dec_out_1[0, 0], dec_out_2[0, 1] ... [0]]  # 不断迭代，直到达到预测长度