首先介紹一下Xavier等初始化方法比直接用高斯分佈進行初始化W的優勢所在： 
一般的神經網路在前向傳播時神經元輸出值的方差會不斷增大,而使用Xavier等方法理論上可以保證每層神經元輸入輸出方差一致。 
這裡先介紹一個方差相乘的公式，以便理解Xavier：

Xavier

現在我們先來分析一層卷積： 
 
其中ni表示輸入個數。

根據概率統計知識我們有下面的方差公式： 

特別的，當我們假設輸入和權重都是0均值時（目前有了BN之後，這一點也較容易滿足），上式可以簡化為： 

進一步假設輸入x和權重w獨立同分布，則有： 

於是，為了保證輸入與輸出方差一致，則應該有： 

為什麼要保證輸入和輸出的方差一致：如果不一致，則會造成方差越來越大（vary(y)>var(x)），或是越來越小(var(y)

為了保證前向傳播和反向傳播時每一層的方差一致，應

但是，實際當中輸入與輸出的個數往往不相等，於是為了均衡考量，最終我們的權重方差應滿足：

——————————————————————————————————————— 
 
———————————————————————————————————————

學過概率統計的都知道 [a,b] 間的均勻分佈的方差為： 

因此，Xavier初始化的實現就是下面的均勻分佈

—————————————————————————————————————————— 

MSRA

方法來自於何凱明paper 《Delving Deep into Rectifiers:Surpassing Human-Level Performance on ImageNet Classification》 
主要想要解決的問題是由於經過relu後，方差會發生變化，因此我們初始化權值的方法也應該變化

只考慮輸入個數時，MSRA初始化是一個均值為0方差為2/n的高斯分佈： 
 
推導證明

推導過程與Xavier類似。

首先，用下式表示第L層卷積： 
 
則其方差為：（假設x和w獨立，且各自的每一個元素都同分布，即下式中的n_l表示輸入元素個數，x_l和w_l都表示單個元素） 
 
當權重W滿足0均值時，上述方差可以進一步寫為： 
——————————————————（1） 
對於ReLU啟用函式，我們有：（其中f是啟用函式） 
—————————————————————（2） 
帶入之前的方差公式則有： 
 
由上式易知，為了使每一層資料的方差保持一致，則權重應滿足： 
 
的不同，就是它是隻考慮前向傳播或者只考慮反向傳播的，然後使用高斯分佈，而沒有綜合考慮

補充說明

（1） 對於第一層資料，由於其之前沒有經過ReLU，因此理論上這一層的初始化方差應為1/n。但是，因為只有一層，係數差一點影響不大，因此為了簡化操作整體都採用2/n的方差；

（2） 反向傳播需要考慮的情況完全類似於“Xavier”。對於反向傳播，可以同樣進行上面的推導，最後的結論依然是方差應為2/n，只不過因為是反向，這裡的n不再是輸入個數，而是輸出個數。文章中說，這兩種方法都可以幫助模型收斂。

Xavier與MSRA比較

目前在各種深度學習領域的論文中，使用Xavier初始化方法的比MSRA要多。 
雖然MSRA試圖去適應relu這一出發點感覺更好，但是博主個人認為其推導過程是存在弊端的:

一、公式一計算var(x)=E(x2)−E(x)2var(x)=E(x2)−E(x)2時預設把第二項視為零，但是從公式二中我們知道x是前一層輸出經過啟用函式得到的值，而relu將x中原本的負項都置零了，因此實際上並不能認為公式一成立。

二、MSRA方法只考慮一個方向，無法使得正向反向傳播時方差變化都很小。

可能是因為以上原因，通常深度學習實踐中都是使用Xavier。

以上介紹MSRA部分轉載自 blog.csdn.net/shuzfan/article/details/51347572