BertForSequenceClassification.from_pretrained和python run_glue.py是用于BERT模型的不同使用方式。

BertForSequenceClassification.from_pretrained是一个方法，它用于从预训练的BERT模型中加载预训练的权重和配置，并创建一个适用于特定任务（如文本分类）的模型。这个方法可以用于自定义的Python脚本中，使用户能够使用预训练的BERT模型进行特定任务的训练和推理。

以下是一个示例代码：

from transformers import BertForSequenceClassification

# 加载预训练的BERT模型
model = BertForSequenceClassification.from_pretrained('bert-base-uncased')

# 在自定义任务上使用BERT模型
inputs = {
    'input_ids': input_ids,
    'attention_mask': attention_mask,
    'labels': labels
}
outputs = model(**inputs)

python run_glue.py是一个用于运行GLUE任务的脚本。GLUE（General Language Understanding Evaluation）是一个用于评估自然语言处理模型的任务集合。run_glue.py脚本提供了一个命令行界面，使用户能够使用预训练的BERT模型在GLUE任务上进行训练和评估。

以下是一个示例命令行代码：

python run_glue.py \
    --model_name_or_path bert-base-uncased \
    --task_name MRPC \
    --do_train \
    --do_eval \
    --data_dir /path/to/glue_data \
    --output_dir /path/to/output_dir

这个命令会加载预训练的BERT模型（bert-base-uncased），并在MRPC任务上进行训练和评估。数据集和输出目录需要根据实际情况进行设置。

总结来说，BertForSequenceClassification.from_pretrained是一个用于在自定义任务上使用BERT模型的方法，而python run_glue.py是一个用于在GLUE任务上使用BERT模型的脚本。