pytorch中如何实现多模型的并联

自己准备设计一个模型结构，大概思路是有N个同样序列（N大概几百，随数据集不同而不同）分别输入至一个lstm中，这N个lstm输出后通过一个全连接层得到总输出。在实现过程中，如何动态的生成这N个lstm模型？ 我开始时的思路如下：

class TestModel1(nn.Module):
    def __init__(self,node_num):
        super(TestModel1,self).__init__()
        self.lstmlist = [None] * node_num
        for i in range(node_num):
            self.lstmlist[i] = nn.LSTM(30,100,2)
        self.act = nn.ReLU()
        self.linear = nn.Linear(1000*node_num,10)
    def forward(self, data):
        pass

但是这里面的lstmlist里面的模型是无法识别的，比如执行下面代码：

mynet = TestModel1(node_num=100)
print(list(mynet.named_parameters()))

只会输出self.linear的参数，没有self.lstmlist的参数。我感觉应该是list本身无法传递梯度，所以self.lstmlist中的变量并不可见。

请问大神们，类似于这种多个模型并联应该如何实现？