不能全零或相同初始化权重，否则会导致对称性崩溃、所有神经元同步更新且输出相同；标准差过大引发梯度消失，过小导致表现力受限；Xavier适用于Sigmoid/Tanh，He（Kaiming）专为ReLU设计，需严格匹配激活函数。
不随机初始化权重，模型根本学不动——所有神经元会同步更新、永远输出相同结果，梯度也全为零。
全零或相同权重会导致对称性崩溃
多层感知机里，如果某一层所有权重都设成 0 或同一个数（比如 0.5），正向传播时每个神经元接收的加权和完全一样，激活值也一样；反向传播时算出的梯度也完全一样。下一次更新后，它们还是相等。相当于整层只在用一个神经元工作。
- 哪怕你定义了 128 个隐藏单元，实际起作用的只有 1 个
-
np.random.randn(128, 784) * 0.01这类调用就是为了打破这种对称性 - 偏置项可以初始化为
0，但权重绝不能
标准差太小或太大直接引发梯度消失/爆炸
用 np.random.randn 初始化时，若标准差选错，前向信号或反向梯度会在深层网络中指数级衰减或膨胀。比如 sigmoid 激活下，权重方差过大 → 输入 z 很大 → sigmoid 输出接近 1 → 导数接近 0 → 梯度消失。
- 标准差为
1：五层 sigmoid 网络中，第 5 层激活值几乎全堆在 0 或 1 附近 - 标准差为
0.01：前几层激活值太小，训练缓慢 - 更稳妥的做法是按输入/输出维度动态缩放，比如 Xavier 用
np.sqrt(6 / (fan_in + fan_out))
不同激活函数需要匹配不同的初始化策略
ReLU 不吃 sigmoid 那套初始化。它在负半轴导数为 0，如果初始权重太小，大量神经元会永久“死亡”（输出恒为 0，梯度恒为 0）；太大又容易爆炸。He 初始化专为 ReLU 设计，方差设为 2 / fan_in。
立即学习“Python免费学习笔记（深入）”；
- sigmoid/tanh：优先用
xavier_uniform_或xavier_normal_ - ReLU 及其变体（LeakyReLU、PReLU）：用
kaiming_uniform_或kaiming_normal_，并指定nonlinearity='relu' - PyTorch 中要跳过 bias 和 1D 参数（如 BatchNorm 的
weight），只初始化 >1 维的weight
真正容易被忽略的是：初始化不是“设一次就完事”。它必须和你的激活函数、网络深度、甚至 batch size 搭配着看——换掉激活函数却沿用旧初始化，可能让模型收敛变慢一倍，或者干脆卡死在某个 plateau 上。
