嘿，这个问题问得特别到位——刚接触梯度消失的同学几乎都会有和你一样的误解，咱们把这个逻辑掰碎了说清楚：

首先，得先回忆下Sigmoid和Tanh这两个激活函数的核心特性：

• Sigmoid的输出范围是(0,1)，它的导数公式是 σ'(x) = σ(x) * (1 - σ(x))。当输入x的绝对值很大时（比如x>5或者x<-5），σ(x)会趋近于1或0，这时候导数会趋近于0。
• Tanh的输出范围是(-1,1)，导数是 1 - tanh²(x)，同样的，当输入|x|很大时，tanh(x)趋近于1或-1，导数也会趋近于0。

这两个激活函数的这个区域咱们叫「饱和区」——一旦输入进入这个区域，激活函数的导数就会变得极小，几乎等于0。

那大权重初始化怎么和这个扯上关系的呢？
假设神经元的加权输入是 z = w·x + b，如果咱们把权重w初始化得太大（哪怕是你提到的[0,1)范围，如果输入x的尺度不小，比如x的均值是10，那w=0.9的话z=9，直接就进饱和区了），z的绝对值会变得很大，这时候Sigmoid/Tanh就会进入饱和区，输出要么接近1/1，要么接近0/-1，对应的导数就几乎是0。

而反向传播的时候，梯度的计算是要乘以激活函数的导数的。如果每一层的激活导数都趋近于0，那梯度从输出层往输入层传递的过程中，会被不断乘以这些极小的数，传到前面的层时，梯度就几乎消失了——这就是咱们说的梯度消失问题。

至于你之前的误解：你以为梯度消失是小权重或者激活输出小导致的，其实是把因果搞反了一点——激活输出小的时候导数确实小，但激活输出接近1的时候导数也小啊！大权重的问题在于，它会直接把神经元的输入推到饱和区，不管输出是靠近0还是1，导数都会变得极小，这才是关键。

举个实际的例子：
假设输入x=1，权重w初始化得很大，比如w=10，那z=10*1=10，Sigmoid(z)≈0.99995，对应的导数≈0.00005，几乎就是0。这时候反向传播到这个权重的梯度会乘以这个极小的导数，结果梯度值变得微乎其微，权重更新的时候几乎没变化，训练自然就慢下来了。

反过来，如果用合适的小权重初始化，比如w=0.1，z=0.1*1=0.1，Sigmoid(z)=0.52498，导数≈0.2493，这个值很合理，梯度传递的时候不会被过度衰减，训练就能正常进行。

备注：内容来源于stack exchange，提问作者Arun Negi