用蛮力算法计算每个粒子与其它粒子的距离，然后与自己距离小于R的粒子所带数据相加。 主要使用了GPU的线程来加速，每个线程计算某个粒子与其它n个粒子的距离。使用了share memory来存储其它n个粒子的坐标和一个浮点数信息。

kaggle-google-quest 在Google QUEST Q＆A Labeling Kaggle竞赛中训练第六名解决方案的变压器模型的代码。 详细说明发布在的Kaggle讨论部分 运行代码需要： 比赛数据放在名为data的目录中。 可以从下载。 需要安装requirements.txt文件中的软件包。 默认情况下，训练是在GPU（单个RTX 2080Ti）上进行的，因此需要CUDA以及大约10GB的GPU内存。 为了解决CUDA内存不足的错误，可以在train.py脚本中将批