初始化有三点个要求，
一个是不能有对称性，比如全为0.这样的反向传播对每一个单元学习到的结果都一样。没有区分度学习不到东西。
另一个要求是避免落入激活函数饱和区，导致梯度学习太慢。
第三点对于深度网络中的每一层，它们的输出方差应该尽量相同，满足学习到的目标分布和原始分布一致(那我们将其都转换到均值0方差1)。
满足第一点，用随机化，使用高斯分布，均匀分布都行。
满足第二点，让它的均值0方差1即可，不会跳跃到饱和区（sigmoid最明显，因此后来用ReLU了）。
满足第三点，采用Xavier初始化方法，输出输入方差一致。
详细说一下
Xavier
我们假设输入输出的单元，均值0方差1。
对于一个线性激活函数来说，n个输入单元一个偏置b
它的方差计算
因为我们假设均值为0，有
同时w的产生和输入的x自然是没什么关系，独立分布。
前向传播，反向传播的方差计算类似，因此满足下面即可。
具体来说，对于sigmoid , (W^{[l]}=np.random.randn(shape)*np.sqrt(frac{1}{n^{[l-1]}}))
ReLU, (W^{[l]}=np.random.randn(shape)*np.sqrt(frac{2}{n^{[l-1]}}))