设有一个两层（一层隐含层，一层输出层）的深度学习回归模型，我们的激活函数设置为relu，我们的损失函数用均方误差，模型构造方程如下：
那么此时，如果我们初始化参数全部为0的话，上述模型的前向传播结果为：
然后，我们再对原方程进行反向传播计算。
我们先得到Relu函数的导数：
然后使用链式求导计算：
由于此处偏导已经为0，那么后续的偏导数求解均为0，即（此处不再详细推导）：
也就是说，我们的参数是无法更新的，那么结果也就导致我们的模型时无法很好的拟合，这个现象类似于“梯度弥散”，即当我们的偏导数为0时，我们无法对模型参数进行求解，也就导致模型训练失败（其他激活函数，大家可以试着按照上面的解析过程自行推导）。
因此，在进行深度学习模型训练时，我们在进行参数初始化一定要切记不能初始化为0，否则后果很严重。