定义神经网络
首先，针对一个四层的神经网络如下图，不同情况下进行0初始化；
1、权重w和偏差b全部初始化为0
如果权重w和偏差b全部被初始化为0，则first hidden layer到output layer第一次计算全部为0；然后，再进行权重和偏差使用梯度下降算法更新时，
因为q为0，所以权重更新时变化量为0，但是偏差有所变化，而且每个偏差都不同，再次进行计算时所有层的输出结果理论上不再为0；那么是可以继续进行计算，其中权重和偏差也是可以继续进行更新，也就是神经网络是可以继续进行训练出有用的权重和偏差的！
2、权重为0，偏差不为0
此时就相当于上面那种情况权重和偏差均为0进行训练时，少训练一层而已，因为在第一种情况权重偏差迭代更新到第二次的时候，就是权重为0，偏差不为0的情况。仍然是可以进行正常的神经网络训练的。
3、模型中只有权重，不设偏差
这里首先要区别一下没有偏差和偏差为0，没有偏差是在建立模型时，完全不设偏差这一项，而偏差为0是模型中设置偏差，并在训练神经网络中会进行偏差的迭代更新，不论偏差是否一直为0，我们会使用sgd算法进行计算偏差的。
那么，如果没有偏差，权重初始化为0，则每层输出均为0（除了输入层），在进行权重迭代更新时，权重的变化量仍然为0，权重得不到更新，也就不会训练出有效的权重。