论文复现-3：ConSERT: A Contrastive Framework for Self-Supervised Sentence Representation Transfer

在这个文件中，
data 是process之后的数据集，用在model的train过程中。
datasets是放置data的zip的文件夹
output是model train和evaluation之后得到的文件
scripts是model train或者test可能会用到的sh文件
sentence_transformers存放的是python tool中的sentence_transformers的具体模块
transformers存放的是python tool中的transformer的具体模块

analysis_rep_space: 正在git中向作者请教
correlation_visualization:计算得到的相似度分值的相关性可视化展示。
data_utils：数据加载的过程，在中文数据加载中使用的是：load_chinese_tsv_data
eval：model 的evaluation过程。
eval_pretrain：这里我感觉也是model的pretrain的一个过程，在model load之后，使用的evaluation函数计算相似度的计算

main：model 的train和test过程

if args.no_pair:
    assert args.cl_loss_only, "no pair texts only used when contrastive loss only"
    train_samples.append(InputExample(texts=[row['sentence1']]))
    train_samples.append(InputExample(texts=[row['sentence2']]))
 else:
    train_samples.append(InputExample(texts=[row['sentence1'], row['sentence2']], label=label_id))