在神经网络的学习中，权重的初始值特别重要，经常关系到神经网络的学习能否成功。
第一点，权重初始值不能设置为0，严格说权重初始值不能设为同样的值，是因为在误差反向传播法中，所有权重值都会进行相同的更新（参考我的博客：“深度学习：简单计算图的反向传播传递导数计算”中乘法节点反向传播的规则），所以为了防止“权重均一化”，必须随机生成初始值。
第二点，当激活函数为sigmoid或tanh等S型曲线函数时，初始值使用Xavier初始值（Xavier初始值是以激活函数是线性函数为前提而推导出来的。因为sigmoid函数和tanh函数左右对称，且*附近可以视作线性函数，所以适合使用Xavier初始值。Xavier初始值：与前一层有n个节点连接时，初始值使用标准差为 的分布n 个节点使用标准差为 1/根号n 的高斯分布进行初始化使用Xavier初始值后，前一层的节点数越多，要设定为目标节点的初始值的权重尺度就越小）。当激活函数使用ReLu时，权重初始值使用He初始值（当前一层的节点数为n时，He初始值使用标准差为2/根号n的高斯分布，可以解释为，因为ReLU的负值区域的值为0，为了使它更有广度，所以需要Xavier初始值2倍的系数）。
第三点，若设定了合适的权重初始值，则各层的激活值分布会有适当的广度，从而可以顺利地进行学习。Batch Normalization方法可以强制性地调整激活值（激活函数的输出数据）的分布，使各层拥有合适的广度。
Batch Norm的优点：
• 可以使学习快速进行（可以增大学习率）。
• 不那么依赖初始值（对于初始值不用那么神经质）。
• 抑制过拟合（降低Dropout等的必要性）。
上式做的是将将mini-batch的输入数据{x1, x2, … , xm}变换为均值为0、方差为1的数据 ，非常简单。通过将这个处理插入到激活函数的前面（或者后面），可以减小数据分布的偏向。接着，Batch Norm层会对正规化后的数据进行缩放和平移的变换，用数学式可以如下表示。
几乎所有的情况下都是使用Batch Norm时学习进行得更快。同时也可以发现，实际上，在不使用Batch Norm的情况下，如果不赋予一个尺度好的初始值，学习将完全无法进行。