【转载】 xavier,kaiming初始化中的fan_in,fan_out在卷积神经网络是什么意思

原文地址:

https://www.cnblogs.com/liuzhan709/p/10092679.html

 

 

 

=======================================================

 

 

 

xavier初始化出自论文Understanding the difficulty of training deep feedforward neural network, 论文讨论的是全连接神经网络,fan_in指第i层神经元个数,fan_out指第i+1层神经元个数,但是我们的卷积神经网路是局部连接的,此时的fan_in,fan_out是什么意思呢。

 


在pytorch中:

fan_in指    kernel_height x kernel_width x in_channel     。

fan_outkernel_height x kernel_width x out_channel   。

从局部连接的过程来看似乎并不十分合理,卷积神经网络的局部连接在感受野内仍然是全连接。fan_in=kh x kw x in_channel没什么疑问,但是fan_out应该等于out_channel更合理啊。待解答。

 

 

 

 

code,来自pytorch实现

def _calculate_fan_in_and_fan_out(tensor):
    dimensions = tensor.ndimension()
    if dimensions < 2:
        raise ValueError("Fan in and fan out can not be computed for tensor with fewer than 2 dimensions")

    if dimensions == 2:  # Linear
        fan_in = tensor.size(1)
        fan_out = tensor.size(0)
    else:
        num_input_fmaps = tensor.size(1)
        num_output_fmaps = tensor.size(0)
        receptive_field_size = 1
        if tensor.dim() > 2:
            receptive_field_size = tensor[0][0].numel()
        fan_in = num_input_fmaps * receptive_field_size
        fan_out = num_output_fmaps * receptive_field_size

    return fan_in, fan_out

 

 

 

 

==============================================

 

posted on 2022-03-29 23:19  Angry_Panda  阅读(361)  评论(1编辑  收藏  举报

导航