数据预处理：
一般用0均值化数据，若所有输入都是正的，则得到权重上的梯度也都是正的，会得到次最优的优化梯度
通过标准差来归一化
初始化权重：
如果以0（或相同的值）为所有权重的初始值，会导致所有的神经元将做同样的事，每个神经元将在输入数据上有相同的操作输出相同的值，得到相同的梯度，参数更新也相同，得到完全相同的神经元，学习到的知识也完全相同
方案一：
用很小的随机初始值作为权重初始化值，从概率分布中抽样。这种方法在小型网络中适用，但在深层的网络表现不好。很小的初始化权重会在一次次乘以权重W时，输入大量缩水逐渐趋于0，最后得到一堆0。
在反向传播时，会导致很小的梯度，基本上梯度不更新。
方案二：
用很大的权重（1为标准差系数）作初始化值，在tanh激活函数下，会使得网络很快达到饱和，梯度趋于0，参数不更新
方案三：Xavier初始化
W从标准的高斯分布中取样，然后根据输入的数量进行缩放，指定我们要求输入的方差等于输出的方差。如果你有少量的输入将会除以较小的数从而得到较大的（需要较大的）权重；如果有大量的输入将会除以较大的数得到较小的（需要较小的）权重。
在使用ReLU类似的激活函数时，（一半的神经元被设置为0），实际上是把得到的方差减半，得到一个很小的值，此时又会导致（单位高斯）分布开始收缩，越来越多的峰值会趋近0，神经元会失活。
一半神经元被设置为0，只需将输入（分母fan_in）除以2即可解决上述问题：
学习率过大时会导致梯度爆炸
1
