参考：
https://cloud.tencent.com/developer/article/1437995
截取其中部分。
1.4、参数初始化的几点要求
（1）参数不能全部初始化为0，也不能全部初始化同一个值，为什么，请参见“对称失效”；
（2）最好保证参数初始化的均值为0，正负交错，正负参数大致上数量相等；
（3）初始化参数不能太大或者是太小，参数太小会导致特征在每层间逐渐缩小而难以产生作用，参数太大会导致数据在逐层间传递时逐渐放大而导致梯度消失发散，不能训练
（4）如果有可能满足Glorot条件也是不错的
上面的几点要求中，（1）（2）（3）基本上是硬性要求，这也就衍生出了一系列的参数初始化方法，什么正态标准化等诸如此类的标准化方法，关于各种参数初始化方法，会在后面继续说明。
二、常见的参数初始化方法
我们常见的几种初始化方法是按照“正态分布随机初始化——对应为normal”和按照“均匀分布随机初始化——对应为uniform”，这里就不再多说了，这里介绍几种遇见较少的初始化方法。
2.1、Glorot初始化方法
（1）正态化的Glorot初始化——glorot_normal
Glorot 正态分布初始化器，也称为 Xavier 正态分布初始化器。它从以 0 为中心，标准差为 stddev = sqrt(2 / (fan_in + fan_out)) 的截断正态分布中抽取样本， 其中 fan_in 是权值张量中的输入单位的数量， fan_out 是权值张量中的输出单位的数量。
在keras和tensorflow均有实现，以keras为例：
keras.initializers.glorot_normal(seed=None)
（2）标准化的Glorot初始化——glorot_uniform
Glorot 均匀分布初始化器，也称为 Xavier 均匀分布初始化器。
它从 [-limit，limit] 中的均匀分布中抽取样本， 其中 limit 是 sqrt(6 / (fan_in + fan_out))， fan_in 是权值张量中的输入单位的数量， fan_out 是权值张量中的输出单位的数量。
以keras为例：
keras.initializers.glorot_uniform(seed=None)
（3）Glorot初始化器的缺点
因为Xavier的推导过程是基于几个假设的，
其中一个是激活函数是线性的，这并不适用于ReLU，sigmoid等非线性激活函数；
另一个是激活值关于0对称，这个不适用于sigmoid函数和ReLU函数它们不是关于0对称的。
2.2、Kaiming初始化
Kaiming初始化，也称之为he初始化，也称之为msra初始化，出自大神 何凯明之手。即
Kaiming initializer=he initializer=msra initializer
因为前面讲了Glorot初始化不适合relu激活函数，所以残差网络的作者何凯明在这篇论文中提出了ReLU网络的初始化方法：Kaming初始化。
作者的推导过程针对的其实是卷积网络的前向和反向过程。而为了和Xavier初始化方法保持一致，这里我们还是讨论全连接网络结构。
关于期望、方差的性质，我们已经在Xavier初始化一节介绍过了，这里不再重复。
在Xavier论文中，作者给出的Glorot条件是：正向传播时，激活值的方差保持不变；反向传播时，关于状态值的梯度的方差保持不变。
这在本文中稍作变换：正向传播时，状态值的方差保持不变；反向传播时，关于激活值的梯度的方差保持不变。
（1）正态化的kaiming初始化——he_normal
He 正态分布初始化器。
它从以 0 为中心，标准差为 stddev = sqrt(2 / fan_in) 的截断正态分布中抽取样本， 其中 fan_in是权值张量中的输入单位的数量，在keras中的实现为
keras.initializers.he_normal(seed=None)
（2）标准化化的kaiming初始化——he_uniform
He 均匀方差缩放初始化器。
它从 [-limit，limit] 中的均匀分布中抽取样本， 其中 limit 是 sqrt(6 / fan_in)， 其中 fan_in 是权值张量中的输入单位的数量。
keras.initializers.he_uniform(seed=None)
2.3、lecun初始化
出自大神Lecun之手。
（1）标准化化的kaiming初始化——lecun_uniform
LeCun 均匀初始化器。
它从 [-limit，limit] 中的均匀分布中抽取样本， 其中 limit 是 sqrt(3 / fan_in)， fan_in 是权值张量中的输入单位的数量。
keras.initializers.lecun_uniform(seed=None)
（2）正态化的kaiming初始化——lecun_normal
LeCun 正态分布初始化器。
它从以 0 为中心，标准差为 stddev = sqrt(1 / fan_in) 的截断正态分布中抽取样本， 其中 fan_in是权值张量中的输入单位的数量。
keras.initializers.lecun_normal(seed=None)
2.4、Batch Normalization
BN是将输入的数据分布变成高斯分布，这样可以保证每一层神经网络的输入保持相同分布。
优点
随着网络层数的增加，分布逐渐发生偏移，之所以收敛慢，是因为整体分布往非线性函数取值区间的上下限靠近。这会导致反向传播时梯度消失。BN就是通过规范化的手段，把每层神经网络任意神经元这个输入值的分布强行拉回到均值0方差1的标准正态分布，使得激活输入值落入非线性函数中比较敏感的区域。可以让梯度变大，学习收敛速度快，能大大加快收敛速度。
Scale and Shift作用
γ和β。γ和β是学习到的参数，他们可以让标准正态分布变得更高/更胖和向左右偏移。
三、参数初始化方法的总结
原文：https://www.cnblogs.com/wioponsen/p/13723696.html