一个劲说预训练模型，所以说到底什么是预训练模型？真让人头大！

         本文就以最简单的视角切入，以一个例子让你明白预训练到底是什么？它和我们平时最常说的直接训练的区别又是什么？

个人理解

        假设有一个任务：现在有个紧急比赛，需要让我们的小baby在一个月内学会跑步！

 直接训练方式：

        我之前什么都没教过他，直接让他学会怎么跑步。那他还要自己摸索怎么爬，怎么站立？这两步学会了才能学跑步。这是我们正常的学习思维。但是他本身就是一个小baby，让它自己摸索爬和站立的过程是非常长的。等他学完这两步比赛都结束了！

         我们知道训练一个神经网络要学习的东西其实就是一个合适的参数。那直接训练方式表现在模型参数上，就是我随机初始化所有的模型参数，然后模型从0开始学习针对当前这个任务的合适参数。

预训练方式：

        在任务出现之前，我就已经先教会他怎么爬、怎么站立了。现在比赛来了，我只需让它在之前的基础上随便学学都能很快学会。而且耗时要大大缩短！

         预训练方式表现在模型参数上，就是我之前已经拿一个合适的任务（这个任务可能是和很多任务有共同之处的任务）提前训练好了所有的模型参数（预训练）。我们不需要再从0开始训练所有参数了，但是针对我们目前这个任务，有些参数可能不合适，我们只需要在当前参数的基础上稍加修改（微调）就可以得到比较好的效果，这样学习时间必然会大大减小。而且，由于预训练过程和我们当前的任务不是同时进行的，所以可以提前花很长时间把几千亿乃至万万亿参数（现在应该还没）提前预训练好，以求和更多的具体任务都有重合，从而只需要我们微调就可以在各项任务达到不错的效果。

        预训练就像“我们读了新华字典、牛津字典后，再让我们解释一个某个字”一样神奇~