1.mxnet框架的初始化方法在类mxnet.initializer中，参考官方文档https://mxnet.apache.org/api/python/docs/api/initializer/index.html#mxnet.initializer.Xavier
2.具体方法
（1）Bilinear():Initialize weight for upsampling layers.翻译过来就是：初始化上采样层的权重。什么意思？看看源码解释
官方源代码
class Bilinear(Initializer):
"""Initialize weight for upsampling layers."""
def __init__(self):
super(Bilinear, self).__init__()
def _init_weight(self, _, arr):
weight = np.zeros(np.prod(arr.shape), dtype='float32')
shape = arr.shape
f = np.ceil(shape[3] / 2.) # 计算列数/2，向上求余
c = (2 * f - 1 - f % 2) / (2. * f)
for i in range(np.prod(shape)): # 重新生成权重
x = i % shape[3] # 根据列数
y = (i // shape[3]) % shape[2]
weight[i] = (1 - abs(x / f - c)) * (1 - abs(y / f - c))
arr[:] = weight.reshape(shape)
arr是一个矩阵数组，np.prod进行连乘计算，计算出arr中共有多少元素，根据arr数组生成一个全零的一维数组。
无解，只知道是这个意思，具体干什么的，怎么用的，没见过用的，有知道的老哥告知一下，谢谢！
（2）mxnet.initializer.Constant(value)：将权重参数初始化为常数。
源码
class Constant(Initializer):
"""Initializes the weights to a given value.
The value passed in can be a scalar or a NDarray that matches the shape
of the parameter to be set.
Parameters
----------
value : float, NDArray
Value to set.
"""
def __init__(self, value):
super(Constant, self).__init__(value=value)
self.value = value
def _init_weight(self, _, arr):
arr[:] = self.value
def dumps(self):
val = self._kwargs['value']
if not np.isscalar(val):
self._kwargs['value'] = val.tolist() if isinstance(val, np.ndarray) else val.asnumpy().tolist()
return json.dumps([self.__class__.__name__.lower(), self._kwargs])
（3）mxnet.initializer.Normal(sigma=0.01)：将权重初始化为均值为0，标准差为sigma的随机数
（4）mxnet.initializer.One：将权重参数初始化为1
（5）mxnet.initializer.Orthogonal(scale=1.414, rand_type='uniform')：将权重初始化为正交矩阵。
scale权重比例因子，rand_type使用“均匀”或“正常”随机数初始化权重
（6）mxnet.initializer.Uniform(scale=0.07)：使用从给定范围内均匀采样的随机值初始化权重
scale界限值
（7）mxnet.initializer.Xavier(rnd_type='uniform', factor_type='avg', magnitude=3)：返回对权重执行“ Xavier”初始化的初始化器。该初始化程序旨在使所有图层的渐变比例大致相同。
md_type决定生成的随机数类型是“gaussian” or "uniform";factor_type决定随机数的范围，可以是"avg" or "in" or "out"
magnitude决定随机数的规模
（8）mxnet.initializer.Zero：将权重矩阵初始化为0