深度学习在训练模型的时候，通常使用迭代优化算法来搜寻代价函数的极小值。
初始值对算法影响的方面：
1.影响优化算法是否收敛，有的初始点的选择会造成数值问题（梯度消失）；
2.影响算法的收敛速度；
3.影响算法收敛于高代价或低代价的极值点
4.收敛于相同代价值的不同初始点，很可能学习出不同的参数分布，在泛化能力上也有很大区别
参数初始化的原则/方法：
1.同层参数的初始化必须破坏unit间的对称性。经常性地，我们使用从高斯/均匀分布中抽取数值作为参数的初始值，但是这两种采样方法目前没有详尽研究；
2.初始值分布的scale大小确实会对优化过程影响很大：适当大的初始权重分布对于破坏对称性的效果更强，同时有助于避免前馈、反馈过程中梯度消失。但是过分大的权重则会导致前馈、反馈过程中的梯度爆炸。另外，也可能导致混沌（使模型对输入中的小扰动非常敏感）
3.一种启发式方法：假设有m个输入维度、n个输出维度，所有层的权重设置为服从与以下的均匀分布
$W_{i, j} sim U(-sqrt{frac{6}{m+n}}, sqrt{frac{6}{m+n}})$
4.有研究者建议初始化为随机正交矩阵
5.有研究这提出稀疏初始化权重：每个unit对接的权重随机置零若干个（解决从特定分布中抽取权重值会导致所有初始权重具有相同标准差，以至于在‘4’的方法下，若层数上千，则每个权重变得极小（解决4的问题））
6.权重的范围也可以视作超参数，若计算资源允许可以进一步搜索。
7.偏置通常可置零。
8.偏置建议不置零的情况：如果偏置作为输出单元，则初始化偏置以获取正确的输出边缘统计是有利的。选择初始化偏置以避免权重初始化引起太大饱和。在门控模型中，h视作门，我们希望初始化情况下，大多数门常开。