层序单位方差（LSUV）初始化是一种用于深度网络学习的简单权重初始化方法。该方法包括两个步骤。首先，使用正交矩阵对每个卷积层或内积层的权重进行预初始化。其次，从第一层到最后一层依次进行，将每一层输出的方差归一化为1。实验结果表明，使用不同的激活函数（如Maxout、ReLU系列、tanh）时，所提出的初始化方法能够实现非常深的网络学习，其特点如下：(i) 所生成网络的测试准确率优于或等于传统方法；(ii) 至少与专门为非常深的网络设计的复杂方案（如FitNets（Romero等人，2015年）和Highway（Srivastava等人，2015年））一样快。该方法在GoogLeNet、CaffeNet、FitNets和残差网络上进行了性能评估，并在MNIST、CIFAR-10/100和ImageNet数据集上达到了最先进水平或接近最先进水平。