修改模型后加载预训练权重，提示缺少参数

代码版本： brightmart/albert_zh

修改modeling.py的BertModel类，在pooler层后添加卷积层。
运行run_pretraining.py文件，读取albert_tiny_zh的预训练权重继续训练，运行失败，提示下面这段话，意思是缺少某些预训练权重，也就是需要我所添加的层在ckpt文件中存在。

tensorflow.python.framework.errors_impl.NotFoundError: Restoring from checkpoint failed. This is most likely due to a Variable name or other graph key that is missing from the checkpoint. Please ensure that you have not altered the graph expected based on the checkpoint.

尝试为原始ckpt文件添加新权重，未找到现成可运行代码或操作提示，GPT提供的代码也是各种报错，未成功。

此时，运行run_classifier.py文件，调用修改过的modeling.py，获得新的ckpt权重文件，再去运行run_pretraining.py文件就可以了。

run_classifier.py文件用来对下游任务进行微调，run_pretraining.py文件用来进行预训练，只需要先微调得到完整的权重就可以来预训练啦，不太明白微调怎么不用ckpt文件包含全部参数，但是预训练需要所有参数，不合理但可行！