参考：《解析深度学习——卷积神经网络原理与视觉实践》
网址：http://lamda.nju.edu.cn/weixs/book/CNN_book.pdf
实际应用中，随机参数服从高斯分布或均匀分布
一、Xaiver参数初始化方法和He参数初始化方法
（1）Xaiver参数初始化方法
随机初始化+方差大小的规范化
, n指输入神经元个数n_in，也可以指定为（n_in+n_out)/2。
Xaiver参数初始化方法收敛速度快原因：维持了输入输出数据分布方差的一致性。具体分析：
缺点：未考虑非线性函数对输入的影响。
（2）He参数初始化方法
将Xaiver参数初始化方法中方差规范化的分母改为
。
（3）上述两种方法比较
（4）使用均匀分布的修改
Xaiver参数初始化方法
He参数初始化方法
二、其他参数初始化方法
（1）使用预训练模型的参数进行初始化——首选
（2）数据敏感的参数初始化方式 ,是一种根据自身任务数据集量身定制的参数初始化方式,读者在进行自己训练任务时不妨尝试一下。