深度学习中的weight initialization对模型收敛速度和模型质量有重要影响！
在ReLU 中推荐使用Xavier Initialization的变种，暂且称之为He Initialization：

使用Batch Normalization Layer可以有效降低深度网络对weight初始化的依赖：

初始化为0的可行性？
答案是不可行。 为什么将所有W初始化为0是错误的呢？是因为如果所有的参数都是0，那么所有神经元的输出都将是相同的，那在back propagation的时候同一层内所有神经元的行为也是相同的 — gradient相同，weight update也相同。这显然是一个不可接受的结果。

random initialization
随机初始化是很多人目前经常使用的方法，然而这是有弊端的，一旦随机分布选择不当，就会导致网络优化陷入困境。

这是y=wx+b的值比较大（好几十，因为矩阵乘后有累加效果，导致y比较大），经过tanh,多数分布在-1，1附近，传入下层作为x和下层的较大w乘后还是如此。所以一直徘徊在-1，1左右。

Xavier initialization

Xavier initialization可以解决上面的问题！其初始化方式也并不复杂。Xavier初始化的基本思想是保持输入和输出的方差一致，这样就避免了所有输出值都趋向于0。注意，为了问题的简便，Xavier初始化的推导过程是基于线性函数的，但是它在一些非线性神经元中也很有效。让我们试一下：
（node_in)输入神经元数量
W = tf.Variable(np.random.randn(node_in, node_out)) / np.sqrt(node_in)

意义：避免上一层传来的y经过和较大的w乘后变的很大

He initialization

Batch Normalization Layer

意义：强制将上一层的y和w乘完之后，做一次Gaussian Normalization和线性变换。
Batch Normalization是一种巧妙而粗暴的方法来削弱bad initialization的影响，
我们想要的是在非线性activation之前，输出值应该有比较好的分布（例如高斯分布），以便于back propagation时计算gradient，更新weight。Batch Normalization将输出值强行做一次Gaussian Normalization和线性变换：


参考链接：
雷锋网 https://www.leiphone.com/news/201703/3qMp45aQtbxTdzmK.html