标准回答
为什么重要
深网络中每层都会缩放信号，若初始权重过大，前向激活和反向梯度会逐层放大导致爆炸；过小则逐层衰减导致梯度消失。好的初始化让各层方差近似不变，训练初期就能稳定收敛。
Xavier / Glorot
针对 tanh、sigmoid 等关于 0 对称、近似线性的激活，让前向与反向方差同时守恒，取权重方差约 1/fan_avg（fan_avg = (fan_in+fan_out)/2），有均匀分布与正态分布两种形式。
He / Kaiming
针对 ReLU/Leaky ReLU：ReLU 会把约一半激活置零，使方差减半，故方差放大到约 2/fan_in 来补偿。深层 CNN/ResNet 默认用它。
一句话：对称激活用 Xavier，ReLU 族用 He；配合 BatchNorm/残差连接可进一步降低对初始化的敏感度。
常见误区
⚠️ 常见踩坑
把 Xavier 用在 ReLU 网络上会让深层激活方差偏小、信号衰减；初始化不能替代归一化，BatchNorm/残差仍是稳定深层训练的关键。
追问
追问 1：为什么不能把所有权重初始化为同一个常数（如全 0）？
同层神经元会接收相同输入、产生相同输出与相同梯度，更新后始终保持一致，称为对称性无法打破，等效于该层只有一个神经元。必须用随机初始化引入差异。
追问 2：fan_in 和 fan_out 分别指什么？为什么影响方差选择？
fan_in 是该层输入维度（前向方差由它决定），fan_out 是输出维度（反向梯度方差由它决定）。Xavier 用两者平均兼顾前后向；He 关注前向激活存活，故只用 fan_in。
延伸学习
与本题相关的知识库文章、术语、工具与行业资讯。