训练

训练是通过从已有的数据中学习到某种能力；

推理

推理是简化并使用该能力，使其能快速、高效地对未知的数据进行操作，以获得预期的结果。

模型

训练是计算密集型操作，模型一般都需要使用大量的数据来进行训练，通过反向传播来不断的优化模型的参数，以使得模型获取某种能力。在训练的过程中，我们常常是将模型在数据集上面的拟合情况放在首要位置的。

而推理过程在很多场景下，除了模型的精度外，还更加关注模型的大小和速度等指标。
这就需要对训练的模型进行一些压缩、剪枝或者是操作上面的计算优化。