1. 不能全部初始化为0，这样所有的神经元数据更新都是一样的
2. 那初始化为Small random numbers呢？比如
当网络变深后也会有问题，如果初始的时候W都很小，那么随着深度的增大，每层的layer的output会越来越小，
而因为前向传播是np.sum(W*X)，对权重W的导数X*dW有X这一乘积项，因为X很小，这就导致W的权重更新慢（梯度弥散），
而如果把初始权重都设置的比较大的话，使得会使得大多数的神经元处于饱和状态，
dW很小，权重更新也很缓慢（感觉这就是之前mnist不归一化train不下去的原因）
已经有paper研究到底初始化到什么范围内最合适
对于ReLU
http://www.jianshu.com/p/03009cfdf733
https://study.163.com/course/courseLearn.htm?courseId=1003223001#/learn/video?lessonId=1003846134&courseId=1003223001