是的，每个包含权重的层都需要初始化。

每个权重都只是一个数字（通常是十进制的浮点数）。它必须用一些值初始化，以便算法（例如反向传播）有一些值可以使用。

任何学习到的参数都需要初始化，因为它们将在训练期间进行调整。这意味着您可以初始化例如动量参数，并且它会随着时间而改变。

有些“层”不需要初始化。我的意思是执行某些操作但没有动态权重的层；训练过程中改变的权重。

一个例子是标准的dropout层（没有学习参数）。这称为层，但不需要初始化，因为它没有在训练期间更改的任何权重。

每一层的权重都需要初始化。我认为您在输入和网络权重之间感到困惑。

在前向传递期间，输入通过第一层，通过该层的权重进行转换（通常是卷积或乘以它们），然后该层的输出作为输入传递给下一层，再次转换为它的权重（等等等等）。所以在最初的第一次前向传递之前，所有的权重都必须初始化。