重み初期化（Weight Initialization）とは、ニューラルネットワークの学習開始前にパラメータ（重み）の初期値を設定する手法です。適切な初期化は学習の収束速度と最終性能に大きく影響します。
なぜ初期化が重要か
すべての重みを0に初期化すると、すべてのニューロンが同じ出力と勾配を持ち、学習が進みません（対称性の破れが起きない）。大きすぎる値では勾配爆発、小さすぎる値では勾配消失が発生します。
代表的な初期化手法
Xavier（Glorot）初期化はシグモイド/tanh用で入出力ユニット数に基づいて分散を設定します。He初期化はReLU用で、ReLUの特性（負の値がゼロになる）を考慮した分散設定を行います。
事前学習モデルの初期化
転移学習では事前学習済みの重みを初期値として使用し、追加層のみをXavier/He初期化で初期化するのが一般的です。