GlobalPointer

参考了 GlobalPointer_torch，进一步实现：

1. 集成EffiGlobalPointer，GlobalPointer, 使用--gp_type epg/gp选择EffiGlobalPointer，GlobalPointer模型
2. Apex 混合训练
3. 对抗训练 fgm, awp等
4. EMA等平均移动权重策略

中文医疗信息处理评测基准CBLUE排行CBLUE2.0中CMeEE 线上f1为67.994，排名42。

实验中，各个模型验证和测试集分数(有部分没记录)：

模型\训练方式	Valid F1	Test F11（Online）
macbert + gp	0.6556	67.073
macbert + gp + fgm	0.6628	67.802
macbert + gp + fgm + ema	0.6641	67.956
cirbert + gp + fgm + ema	0.6498	67.787
medbert-kd + gp + fgm + ema	0.6550	67.956
macbert large+ gp + fgm + ema	0.6599	67.994
macbert egp+fgm+ema+sp	0.6584	67.630

从数据看来fgm、ema都能提升效果，同模型越大越好，macbert在Testset上表现最好，但是macbert + EffiGlobalPointer效果会差一点点。

1. 数据CMeEE经过python data_utils.py处理后就可以训练了。最好根据这个文件测试后再训练。

2. 训练：

python train.py ----data_path ./data/CMeEE

3. 推理：

python predict.py

代码还有些未解决问题，如没实现awp, EffiGlobalPointer使用Apex训练loss为NaN，有时间再修复！