首先是不能从0开始初始化：因为若权重是0，那么所有神经元的输出都会相同，在反向传播的过程中学到的东西是一致的，梯度相等，权重相等,当中间隐藏层神经元的输出是相同的话，那么反向传播回来的梯度以及权重都不会更新，网络不工作
随机初始化
随机初始化是一种简单的初始化方法：比如标准高斯分布初始化方法，均值为0标准差为1，但随着网络层数的叠加，后面激活函数的输出均为0.
当选择数值比较小的高斯分布 均值为0 方差为0.01. 在后面的输出过程中，输出值迅速向0靠拢，几乎所有的输出值都很接近0，并且会出现梯度消失的情况（在小型的网络中常见）deep的网络会出现梯度消失
当均值为0，方差为1的高斯分布，在前向传播的时候，要么值为-1要么为1，被抑制或者被饱和，进行激活函数的上线sigmoid 以及tanh函数，造成梯度消失
Xavier初始化
帮助解决梯度消失的情况，是网络能够反响传播
基本思想：保持输入与输出的方差一致，（有相同的分布），避免了所有的输出趋向0
一般Xavier初始化的方法是，将权值初始化为标准高斯分布，均值为0，方差为1/N，其中N是输入的样本个数
那么在前向传播的过程中能够保持输出与输入分布的一致性
适用于tanh激活函数，不适用于relu激活函数
MSRA 何恺明的初始化方法
权值初始化的方法为 标准高斯分布。均值为0，方法为2/N，其中N是输入的样本数
并且适用于relu函数
批归一化
bn层，在隐藏层与激活层之间，将数据进行标准化，强制标准化会造成数据的丢失，比如relu的神经云死亡，因此需要将输出与输入保持一致性，带入可学习的参数，伽马与sigma ，来对输出分布进行变换到输入
降低模型参数初始化敏感度
summary：
1. 当前的主流初始化方式 Xavier，MSRA 主要是为了保持每层的输入与输出方差相等, 而参数的分布采用均匀分布或高斯分布都行。
2. 在广泛采用 Batch Normalization 的情况下，使用普通的小方差的高斯分布即可。
3. 在迁移学习的情况下，优先采用预训练的模型进行参数初始化。
