2021.10.20更新：目前将原来的数据集转换成npy文件格式进行保存，只需要读取npy文件即可，不再需要原来的OneflowDataloaderToPytorchDataset，方便参赛者使用其它框架。

此版本基于Pytorch后端的huggingface进行实现。由于此实现使用了Oneflow的dataloader作为数据读入的方式，因此也需要安装Oneflow。其它框架的数据读取可以参考OneflowDataloaderToPytorchDataset类的实现。

1. 安装依赖（前置要求：已在环境中安装好Pytorch和Oneflow）

   pip install transformers pandas
   git clone https://github.com/tea321000/hugging_face_competition
   cd hugging_face_competition

2. 运行train_BERT_base.sh和train_BERT_large.sh 单机单卡的baseline。保持其它参数不变，通过调节shell文件里的hidden_size参数，即可观察不同hidden_size所占显存的变化（可通过watch -n 0.1 nvidia-smi直观观察）

   python train.py \
   --ofrecord_path sample_seq_len_512_example \
   --lr 1e-4 --epochs 10 \
   --train_batch_size 2 \
   --seq_length=512 \
   --max_predictions_per_seq=80 \
   --num_hidden_layers=24 \
   --num_attention_heads=16 \
   --hidden_size=1024 \#要调节的参数
   --vocab_size=30522